MétaCan
Menu
Retour à la cohorte
Enregistrement W4414232614 · doi:10.1038/s43247-026-03761-z

Irreversible climate changes driven by degree-years of temperature overshoot

2025· preprint· en· W4414232614 sur OpenAlexafffund
Mitchell Dickau, Kirsten Zickfeld, H. Damon Matthews

Notice bibliographique

RevueCommunications Earth & Environment · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensSimon Fraser UniversityConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésOvershoot (microwave communication)Climate changePermafrostRange (aeronautics)Climate modelGlobal warming

Résumé

récupéré en direct d'OpenAlex

<title>Abstract</title> It is becoming increasingly likely that meeting the long-term temperature goal of the Paris Agreement will involve a period of temperature overshoot. Understanding the differences in climate outcomes between overshoot and non-overshoot scenarios requires an assessment of the reversibility of climate changes along an overshoot pathway. Using an intermediate-complexity Earth system model, we quantify the reversibility of a suite of climate variables and investigate the factors driving differences in reversibility across an ensemble of 42 pairs of overshoot and non-overshoot scenarios. For highly irreversible climate variables like permafrost and ocean changes, we show that the long-term outcome is linearly related to the time-integrated overshoot magnitude, which we define here as the degree-years of temperature overshoot. Our results show that degree-years of overshoot can be used to predict the changes of a range of irreversible ocean and permafrost variables in overshoot scenarios, therefore offering important insights into the difference in climate outcomes of overshoot compared to non-overshoot scenarios.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,009
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,259
Écart entre enseignants0,220 · 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'étudeSans objet
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetClimate variability and modelsTravaux en français237 207