MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415479811 · doi:10.22541/essoar.176123674.49093791/v1

Impact of continental configuration on the climate response to greenhouse-gas forcing in an idealized GCM

2025· article· W4415479811 sur OpenAlexaff
David Bonan, Marysa M. Laguë, William R. Boos

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésForcing (mathematics)GCM transcription factorsOrographyClimate changeSpatial distributionClimate modelDistribution (mathematics)

Résumé

récupéré en direct d'OpenAlex

The influence of continental configuration on the climate response to greenhouse-gas forcing remains poorly understood. Here, we use an idealized model with equal land-ocean coverage to investigate how the spatial distribution of land modulates the climate response to increased carbon-dioxide concentrations. When land is concentrated in the tropics, equilibrium climate sensitivity is lower due to a weaker water vapor feedback, land-ocean warming contrasts are minimal, and near-surface land relative humidity decreases little. By contrast, when land is primarily in polar regions, equilibrium climate sensitivity is higher, land-ocean warming contrasts are pronounced, and near-surface land relative humidity declines substantially. The largest land-ocean warming contrast occurs when land spans pole-to-pole within a single hemisphere. Changes in near-surface land relative humidity can be primarily attributed to changes in oceanic moisture transport and local land surface evaporation. These results highlight the critical role of continental configuration in shaping Earth's climate under greenhouse-gas forcing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,325
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate Change Policy and Economics→Travaux en français237 207→