Contribution of shorter-term radiative forcings of aerosols and ozone to global warming in the last two decades
Notice bibliographique
Résumé
This paper reports observations of regional and global upper stratosphere temperature (UST) and surface temperature, as well as various climate drivers, including greenhouse gases (GHGs), ozone, aerosols, solar variability, snow cover extent, and sea ice extent (SIE). We strikingly found warming trends of 0.77(±0.57) and 0.69(±0.22) K/decade in UST at altitudes of 35–40 km in the Arctic and Antarctic, respectively, and no significant trends over non-polar regions since 2002. These UST trends provide fingerprints of decreasing and no significant trends in total GHG effect in polar and non-polar regions, respectively. Correspondingly, we made the first observation of surface cooling trends in both the Antarctic since 2005 and the Arctic since 2016 once the SIE started to recover. However, surface warming remains at mid-latitudes, which caused the recent rise in global mean surface temperature (GMST). These temperature changing patterns are consistent with the characteristics of the cosmic-ray-driven electron reaction (CRE) mechanism of halogen-containing GHGs (halo-GHGs) with larger destruction rates at higher latitudes. Moreover, the no-parameter physics model of warming caused by halo-GHGs closely reproduces the observed GMSTs from 2000 to 2024, including the pause in warming during 2000–2012 and the significant warming by 0.2–0.3 °C during 2013–2023, of which 0.27 °C was calculated to arise from the net radiative forcing of aerosols and ozone due to improved air quality. The results also show that the physics model captures 76% of the variance in the observed GMSTs, exhibiting a warming peak in October 2023 and predicting a gradual GMST reversal thereafter.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».