Ocean dynamics amplify non-local warming effects of forestation
Notice bibliographique
Résumé
Large-scale forestation, including reforestation, afforestation, and forest restoration, is prevalent in net zero climate strategies due to the carbon sequestration potential of forests. In addition to capturing carbon, forestation has biogeophysical effects, such as changes in albedo, that can influence surface temperatures locally (local effects), and at distant locations (non-local effects). Biogeophysical effects may offset the cooling benefits of carbon sequestration, hence requiring a robust understanding of their mechanisms to adequately integrate forestation into climate mitigation strategies and carbon accounting frameworks. Yet, the role of ocean dynamics, such as ocean circulation, ocean-atmosphere interactions, and ocean-sea ice interactions in driving non-local effects remains underexplored. In this study, we investigate the impact of ocean dynamics on the magnitude and geographic patterns of the non-local biogeophysical effects of large-scale forestation over a multicentury timescale using the University of Victoria Earth System Climate Model (UVic ESCM), an Earth System Model of Intermediate Complexity (EMIC). We conduct multicentury paired global forestation simulations, with the first simulation using a dynamic ocean (Dynamic Ocean Simulation) and the second using prescribed sea surface temperatures (Prescribed SST Simulation). To be able to separate local from non-local effects, we use the checkerboard approach in both simulations, alternating grid cells undergoing forestation (subject to local and non-local effects) with grid cells remaining deforested (subject to non-local effects only), and compare land surface temperature to a control simulation where all grid cells remain deforested. Using the model simulation data, we perform a surface energy balance decomposition for each simulation at multiple points in time. After a 500-year period, we find a non-local warming effect on land surface temperature in both the Dynamic Ocean Simulation and the Prescribed SST Simulation. However, these non-local warming effects are of much greater magnitude and encompass a greater geographic area, particularly at high latitudes, in the Dynamic Ocean Simulation compared to the Prescribed SST Simulation. Moreover, in the Dynamic Ocean Simulation, non-local warming effects on land continue to strengthen for multiple centuries after most of the forest has regrown and local effects have stabilized. This prolonged land surface warming is the result of a gradual increase in sea surface temperature over multiple centuries caused by ocean-atmosphere interactions combined with the ocean’s thermal inertia. Furthermore, the ocean warming is amplified by climate feedback mechanisms, including the water vapor feedback, fueled by ocean evaporation, and the sea ice-albedo feedback. Consequently, forestation has non-local warming effects that develop gradually and intensify over multiple centuries due to interactions within the Earth system. Net zero policies and carbon accounting frameworks must therefore consider the complete Earth system response over a sufficiently long timeframe to include the slow ocean’s response. Without the consideration of the full Earth system response, net zero policies relying heavily on forestation may not deliver on their climate objectives.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».