Low latency carbon budget analysis reveals a large decline of the land carbon sink in 2023
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT In 2023, the CO2 growth rate was 3.37 ± 0.11 ppm at Mauna Loa, which was 86% above that of the previous year and hit a record high since observations began in 1958, while global fossil fuel CO2 emissions only increased by 0.6% ± 0.5%. This implies an unprecedented weakening of land and ocean sinks, and raises the question of where and why this reduction happened. Here, we show a global net land CO2 sink of 0.44 ± 0.21 GtC yr−1, which is the weakest since 2003. We used dynamic global vegetation models, satellite fire emissions, an atmospheric inversion based on OCO-2 measurements and emulators of ocean biogeochemical and data-driven models to deliver a fast-track carbon budget in 2023. Those models ensured consistency with previous carbon budgets. Regional flux anomalies from 2015 to 2022 are consistent between top-down and bottom-up approaches, with the largest abnormal carbon loss in the Amazon during the drought in the second half of 2023 (0.31 ± 0.19 GtC yr−1), extreme fire emissions of 0.58 ± 0.10 GtC yr−1 in Canada and a loss in Southeast Asia (0.13 ± 0.12 GtC yr−1). Since 2015, land CO2 uptake north of 20°N had declined by half to 1.13 ± 0.24 GtC yr−1 in 2023. Meanwhile, the tropics recovered from the 2015–2016 El Niño carbon loss, gained carbon during the La Niña years (2020–2023), then switched to a carbon loss during the 2023 El Niño (0.56 ± 0.23 GtC yr−1). The ocean sink was stronger than normal in the equatorial eastern Pacific due to reduced upwelling from La Niña's retreat in early 2023 and the development of El Niño later. Land regions exposed to extreme heat in 2023 contributed a gross carbon loss of 1.73 GtC yr−1, indicating that record warming in 2023 had a strong negative impact on the capacity of terrestrial ecosystems to mitigate climate change.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle