인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
The 2015 Paris agreement was established to limit Greenhouse gas (GHG) global warming below 1.5°C above preindustrial era values. Knowledge of climate sensitivity to GHG levels is central for formulating effective climate policies, yet its exact value is shroud in uncertainty. Climate sensitivity is quantitatively expressed in terms of Equilibrium Climate Sensitivity (ECS) and Transient Climate Response (TCR), estimating global temperature responses after an abrupt or transient doubling of CO<sub>2</sub>. Here, we represent the complex and highly-dimensional behavior of modelled climate via low-dimensional emergent networks to evaluate Climate Sensitivity (netCS), by first reconstructing meaningful components describing regional subprocesses, and secondly inferring the causal links between these to construct causal networks. We apply this methodology to Sea Surface Temperature (SST) simulations and investigate two different metrics in order to derive weighted estimates that yield likely ranges of ECS (2.35-4.81°C) and TCR (1.53-2.60°C). These ranges are narrower than the unconstrained distributions and consistent with the ranges of the IPCC AR6 estimates. More importantly, netCS demonstrates that SST patterns (at "fast" timescales) are linked to climate sensitivity; SST patterns over the historical period exclude median sensitivity but not low-sensitivity (ECS < 3.0°C) or very high sensitivity (ECS ≥ 4.5°C) models.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
