MétaCan
Menu
Retour à la cohorte
Enregistrement W4416841474 · doi:10.1038/s41612-025-01277-5

Hysteresis response of Northern Hemisphere winter temperature variability under different CO₂ removal pathways

2025· article· en· W4416841474 sur OpenAlexaboutno aff
Seung‐Ki Min, Soon-Il An, Maeng‐Ki Kim, Hyo‐Seok Park, Jong‐Yeon Park, Doo‐Sun R. Park, Hyun Min Sung, Young‐Hwa Byun, Kyung-On Boo

Notice bibliographique

Revuenpj Climate and Atmospheric Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaKorea Meteorological AdministrationNational Research Foundation
Mots-clésNorthern HemisphereHysteresisTemperature gradientZonal and meridionalArcticMagnitude (astronomy)The arcticThermal

Résumé

récupéré en direct d'OpenAlex

Arctic amplification weakens the meridional temperature gradient (∂T/∂y), reducing the Northern Hemisphere winter daily temperature variability (Tstd). However, the extent to which Tstd recovers following CO₂ removal remains uncertain. We investigate the hysteresis and reversibility of Tstd under various CO₂ pathways using UKESM1-0-LL. The mid-latitude Tstd reduced during the ramp-up phase partially recovers following CO₂ removal, but its magnitude depends on the region and peak CO₂ concentration. In the low-concentration experiments, Tstd nearly returns to pre-industrial levels, whereas the high-concentration experiments show hysteresis and irreversibility in eastern Canada and northwestern Eurasia. These regional differences are primarily driven by changes in local temperature gradients. Specifically, the dominant factor for eastern Canada is the meridional temperature gradient, whereas for northwestern Eurasia, it is the zonal temperature gradient related to the land-sea thermal contrast. These results suggest that the response of Tstd to CO 2 removal differs depending on the region and the peak concentration.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,230
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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revuenpj Climate and Atmospheric ScienceMême sujetClimate variability and modelsTravaux en français237 207