MétaCan
Menu
Retour à la cohorte
Enregistrement W4399360287 · doi:10.1038/s41558-024-02017-y

Accounting for Pacific climate variability increases projected global warming

2024· article· en· W4399360287 sur OpenAlexafffund
Yongxiao Liang, Nathan P. Gillett, Adam H. Monahan

Notice bibliographique

RevueNature Climate Change · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensOcean Networks Canada SocietyUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésClimatologyEnvironmental scienceGlobal warmingClimate changeOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Observational constraint methods based on the relationship between the past global warming trend and projected warming across climate models were used to reduce uncertainties in projected warming by the Intergovernmental Panel on Climate Change. Internal climate variability in the eastern tropical Pacific associated with the so-called pattern effect weakens this relationship and has reduced the observed warming trend over recent decades. Here we show that regressing out this variability before applying the observed global mean warming trend as a constraint results in higher and narrower twenty-first century warming ranges than other methods. Whereas the Intergovernmental Panel on Climate Change assessed that warming is unlikely to exceed 2 °C under a low-emissions scenario, our results indicate that warming is likely to exceed 2 °C under the same scenario, and hence, limiting global warming to well below 2 °C will be harder than previously anticipated. However, the reduced uncertainties in these projections could benefit adaptation planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,297
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature Climate ChangeMême sujetClimate variability and modelsTravaux en français237 207