物理学 > 大气与海洋物理
[提交于 2025年7月21日
]
标题: 从未来观测中学习气候敏感性,快速和慢速
标题: Learning Climate Sensitivity from Future Observations, Fast and Slow
摘要: 自45年前Charney报告发表以来,气候敏感性一直顽固地不确定。 未来气候预测中的两个因素可能会改变这一困境:(i) 由于CO$_2$的持续积累和气溶胶排放的减少,CO$_2$强迫与气溶胶冷却的比率增加,以及(ii) 变暖的世界,其中CO$_2$引起的变暖相对于气候变率更加明显。 在这里,我们开发了一种新的建模方法,以探索对平衡气候敏感性(ECS)和瞬态气候响应(TCR)的学习速率,并确定支撑这些学习速率的物理驱动因素。 我们的方法相较于以往的工作具有优势,因为它考虑了参数不确定性和协方差的完整范围,同时考虑到序列相关的内部气候变率。 此外,我们提供了关于气候敏感性学习速度的物理解释。 我们发现,尽管无论真实值如何,我们都能限制未来的TCR,但限制ECS更为困难,低ECS值比高ECS值更容易确定。 这种不对称性可以解释为本世纪大部分变暖归因于快速气候模式,该模式对于限制TCR比限制ECS更有用。 我们进一步表明,我们无法限制深海洋响应,这限制了我们学习高ECS值的能力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.