MARC

 008260126s2025        us                              c    eng  d
■001000017358363
■00520260202104650
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288833878
■035    ▼a(MiAaPQ)AAI32115188
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a551.5
■1001  ▼aCooper,  Vincent.
■24510▼aPaleoclimate  and  Historical  Perspectives  on  Modern  Climate  Sensitivity
■260    ▼a[Sl]▼bUniversity  of  Washington▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a219  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Armour,  Kyle;Hakim,  Gregory.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2025.
■520    ▼aDetermining  modern  climate  sensitivity,  i.e.,  the  global  surface  warming  from  doubling  preindustrial  concentrations  of  CO2,  is  an  urgent  task  as  it  controls  how  much  the  planet  will  warm  from  greenhouse-gas  emissions.  The  upper  bound  on  estimates  of  climate  sensitivity  has  been  highly  uncertain  for  decades,  but  paleoclimates  now  provide  a  strong  constraint.  In  this  dissertation,  we  combine  proxy  data  from  paleoclimate  data  assimilation  with  atmospheric  general  circulation  models  to  show  that  the  climate  sensitivity  inferred  from  paleoclimates  is  systematically  higher  than  the  climate  sensitivity  that  applies  to  modern  warming  from  CO2.  This  difference  in  climate  sensitivity  arises  because  (a)  ice  sheets,  topography,  and  vegetation  changes  drive  atmospheric  stationary  waves  that  alter  the  spatial  patterns  of  sea-surface  temperature  (SST)  over  distant  oceans  during  both  the  cold  Last  Glacial  Maximum  and  the  warm  Pliocene;  and  (b)  these  paleoclimate  SST  patterns  are  associated  with  amplifying  cloud  feedbacks  that  make  past  climates  more  sensitive  than  the  modern  climate.  Accounting  for  these  differences  between  climates  leads  to  a  substantial  reduction  (→1.0→C)  in  the  upper  bound  on  modern  climate  sensitivity  compared  to  recent  community  assessments,  such  as  IPCC  AR6  (Forster  et  al.,  2021).The  leading  role  of  spatial  patterns  of  temperature  change  in  determining  climate  sensitivity  also  compels  a  re-evaluation  of  the  historical  climate  record  (c.  1850-present).  Previous  studies  have  identified  major  discrepancies  in  radiative  feedbacks  due  to  differences  in  the  patterns  of  sea-surface  temperature  across  instrumental  datasets.  These  discrepancies  result  from  statistical  infilling  of  the  expansive  gaps  between  sparse  SST  observations  over  the  global  oceans.  In  this  dissertation,  we  use  coupled  data  assimilation,  which  optimally  combines  observational  and  dynamical  constraints  from  all  climate  fields  simultaneously,  to  reconstruct  monthly  and  globally  resolved  SST,  near-surface  air  temperature,  sea  ice,  and  sea-level  pressure  over  1850-2023.  The  reconstruction  provides  a  novel  and  internally  consistent  perspective  on  coupled  climate  variability  and  recent  trends,  which  informs  investigation  of  radiative  feedbacks  in  the  historical  record.Chapter  1  introduces  the  research  topics  addressed  in  this  dissertation.  Chapter  2  quantifies  Last  Glacial  Maximum  pattern  effects  and  their  impacts  on  modern  climate  sensitivity.  Chapter  3  quantifies  Pliocene  pattern  effects  and  provides  stronger  constraints  on  both  modern  climate  sensitivity  and  21st-century  warming.  Chapter  4  presents  a  reconstruction  of  the  historical  climate  record  (1850-2023)  using  linear  inverse  models  and  coupled  data  assimilation.  Chapter  5  reviews  the  conclusions  of  the  dissertation.
■590    ▼aSchool  code:  0250.
■650  4▼aAtmospheric  sciences
■650  4▼aPaleoclimate  science
■650  4▼aClimate  change
■653    ▼aClimate  dynamics
■653    ▼aClimate  variability
■653    ▼aCloud  feedbacks
■653    ▼aData  assimilation
■653    ▼aPaleoclimates
■653    ▼aPattern  effects
■690    ▼a0725
■690    ▼a0653
■690    ▼a0404
■71020▼aUniversity  of  Washington▼bAtmospheric  and  Climate  Science.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358363▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books