Linking cumulative carbon emissions to observable climate impacts
Notice bibliographique
Résumé
Abstract Anthropogenic CO 2 emissions are causing climate change, and impacts of climate change are already affecting every region on Earth. The purpose of this review is to investigate climate impacts that can be linked quantitatively to cumulative CO 2 emissions (CE), with a focus on impacts scaling linearly with CE. The reviewed studies indicate a proportionality between CE and various observable climate impacts such as regional warming, extreme daily temperatures, heavy precipitation events, seasonal changes in temperature and precipitation, global mean precipitation increase over ocean, sea ice decline in September across the Arctic Ocean, surface ocean acidification, global mean sea level rise, different marine heatwave characteristics, changes in habitat viability for non-human primates, as well as labour productivity loss due to extreme heat exposure. From the reviewed literature, we report estimates of these climate impacts resulting from one trillion tonne of CE (1 Tt C). These estimates are highly relevant for climate policy as they provide a way for assessing climate impacts associated with every amount of CO 2 emitted by human activities. With the goal of expanding the number of climate impacts that could be linked quantitatively to CE, we propose a framework for estimating additional climate impacts resulting from CE. This framework builds on the transient climate response to cumulative emissions (TCRE), and it is applicable to climate impacts that scale linearly with global warming. We illustrate how the framework can be applied to quantify physical, biological, and societal climate impacts resulting from CE. With this review, we highlight that each tonne of CO 2 emissions matters in terms of resulting impacts on natural and human systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».