D’après l’étude évaluée par des pairs The Detection and Attribution of Northern Hemisphere Land Surface Warming (1850–2018) in Terms of Human and Natural Factors: Challenges of Inadequate Data Soon et al (2023) : La majorité des stations utilisées pour comparer le milieu du XIXe siècle à nos jours sont désormais urbanisées…

Une analyse statistique a été appliquée aux températures de la surface terrestre de l’hémisphère nord (1850-2018) pour tenter d’identifier les principaux facteurs du réchauffement observé depuis le milieu du XIXe siècle. Deux estimations de température différentes ont été prises en compte : une combinaison de zones rurales et urbaines (qui correspond presque exactement à la plupart des estimations actuelles) et une estimation rurale uniquement.

La combinaison de zones rurales et urbaines indique un réchauffement à long terme de 0,89 °C/siècle depuis 1850, tandis que l’estimation rurale uniquement indique 0,55 °C/siècle. Cela contredit une hypothèse courante selon laquelle les indices de température mondiale actuels basés sur le thermomètre sont relativement peu affectés par les biais de réchauffement urbain.

Elle révèle que d’importants défis restent à relever pour le problème plus large de détection et d’attribution du réchauffement climatique :

(1) le biais d’urbanisation reste un problème substantiel pour les données de température terrestre mondiale ;

(2) on ne sait toujours pas clairement lesquelles (le cas échéant) des nombreuses séries chronologiques de l’IRT dans la littérature constituent des estimations précises de l’IRT passée ;

(3) la communauté scientifique n’est pas encore en mesure d’établir avec certitude si le réchauffement depuis 1850 est principalement d’origine humaine, principalement naturelle ou une combinaison des deux. Des suggestions sur la manière dont ces défis scientifiques pourraient être résolus sont proposées.

La tendance rural et urbaine est 60 % plus élevée que celle des données rurales uniquement. Il semble plausible qu’au moins une partie de ce réchauffement supplémentaire soit le résultat d’un biais d’urbanisation.

Le graphique A montre les stations météorologiques américaines avec au moins 70 ans de données. Les points bleus montrent les tendances au refroidissement (34 %) et les croix rouges les tendances au réchauffement (66 %) . Les stations avec des tendances au réchauffement sont regroupées dans les zones où se trouvent le plus d’îlots de chaleur urbains (graphique B) , comme le nord-est, le lac Michigan et la côte ouest.

En contradiction avec un effet de réchauffement climatique global homogène du CO2, les stations météorologiques de refroidissement sont observées de manière incongrue à côté des stations de réchauffement dans la majeure partie des États-Unis. Cependant, de telles paires contrastées s’expliquent facilement par la végétation naturelle par rapport aux îlots de chaleur urbains.

https://www.mdpi.com/2225-1154/11/9/179

 il peut être utile de comparer et de contraster brièvement nos quatre paramètres d’ajustement potentiels dans 
la Figure 4. En comparant le Soleil n°1 et le Soleil n°2 dans 
la Figure 4 a,b, nous pouvons voir que les deux reconstructions sont systématiquement inférieures à la moyenne du 20e siècle pour la seconde moitié du 19e siècle et qu’elles montrent toutes deux des hausses et des baisses à court terme sur le cycle solaire d’environ 11 ans. Cependant, le Soleil n°2 suggère une histoire beaucoup plus dynamique de la variabilité du TSI avec la périodicité d’environ 11 ans superposée à des tendances multidécennales qui sont souvent plus importantes que les hausses et les baisses associées au cycle d’environ 11 ans. Les changements dus à l’autre « forçage naturel », c’est-à-dire l’activité volcanique, sont beaucoup plus courts et de nature épisodique. Comme le montre la 
Figure 4 c, les changements associés à un événement volcanique donné ne durent que 2 à 3 ans. Enfin, la série de forçage anthropique net est presque plate pendant la majeure partie de la période d’étude, mais commence à augmenter régulièrement et de manière spectaculaire au cours des années 1970. Les lecteurs intéressés pourraient noter à partir de 
la figure S2 que cette forme des « forçages anthropiques nets » est subtilement différente du « forçage du CO2 » calculé 
_qui est de nature plus monotone, en raison des 10 autres composantes, principalement les deux composantes des aérosols.

Figure 4. Séries chronologiques des quatre forçages considérés dans cette analyse. ( 
a , 
b ) représentent deux estimations différentes de la variabilité solaire depuis le milieu du 19e siècle ; ( 
c ) représente le forçage volcanique ; ( 
d ) représente les forçages anthropiques combinés. Pour plus de détails sur les deux séries d’activité solaire, voir Connolly et al. (2021) [ 
5 ]. Les séries chronologiques d’activité volcanique et de forçage anthropique sont tirées de l’ensemble de données GIEC AR6 WG1 Annexe III [ 
103 ].

Détection et attribution du réchauffement de la surface terrestre de l’hémisphère nord (1850-2018) en termes de facteurs humains et naturels : les défis liés à l’insuffisance des données

par Willie Bientôt^1,2 ,Ronan Connolly^1,3,*,Michael Connolly^1,3 ,Syun-Ichi Akasofu⁴ ,Sallie Baliunas^5,† ,Johan Berglund⁶ ,Antonio Bianchini^7,8 ,William M. Briggs⁹ ,CJ Butler^10,† ,Rodolfo Gustavo Cionco^11,12 ,Marcel Crok¹³ ,Ana G. Elias¹⁴ ,Valéry M. Fedorov¹⁵ ,François Gervais¹⁶ ,Hermann Harde¹⁷ ,Grégory W. Henry¹⁸ ,Douglas V. Hoyt¹⁹ ,Ole Humlum²⁰ ,David R. Légats^21,22,† ,Anthony R. Lupo²³ ,ajouter Afficher la liste complète des auteurs

¹Centre de recherche environnementale et des sciences de la Terre (CERES), Salem, MA 01970, États-Unis

²Institut de physique de la Terre et des sciences spatiales (EPSS), H-9400 Sopron, Hongrie

³Chercheur indépendant, D08 Dublin, Irlande

⁴Centre international de recherche sur l’Arctique, Université d’Alaska Fairbanks, Fairbanks, AK 99775, États-Unis

⁵Centre d’astrophysique Harvard-Smithsonian, Cambridge, MA 02138, États-Unis

⁶Chercheur indépendant, 211 10 Malmö, Suède

⁷Osservatorio Astronomico di Padova, INAF, Vicolo Osservatorio 5, 35122 Padova, Italie

⁸Département de physique et d’astronomie, Université de Padoue, Via Francesco Marzolo, 8, 35131 Padoue, Italie

⁹Chercheur indépendant, Charlevoix, MI 49720, États-Unis

¹⁰Observatoire d’Armagh, College Hill, Armagh BT61 9DG, Royaume-Uni

Le sixième rapport d’évaluation du GIEC conclut que « 

les modèles climatiques ne peuvent reproduire le réchauffement observé […] qu’en incluant les effets des activités humaines […], en particulier la concentration croissante de gaz à effet de serre », et que « 

les simulations qui incluent uniquement les processus naturels, y compris la variabilité interne liée à El Niño et d’autres variations similaires, ainsi que les variations de l’activité solaire et les émissions des grands volcans […], ne sont pas en mesure de reproduire le réchauffement observé » (6e rapport d’évaluation, FAQ 3.1, p. 515) [ 

1 ]. C’est en grande partie sur cette base que le sixième rapport d’évaluation conclut que le changement climatique contemporain est « 

en grande partie dû à l’influence humaine » (Résumé technique, p. 11). Cependant, dans cet article, nous soutenons que cette affirmation confiante de « détection et d’attribution du changement climatique » n’est pas justifiée car elle n’évalue pas de manière satisfaisante deux débats scientifiques clés en cours :

• Dans quelle mesure le réchauffement observé depuis le XIXe siècle, tel qu’il ressort des estimations actuelles de la température mondiale, est-il un artefact des biais d’urbanisation ?
• Avons-nous établi un ensemble de données fiables sur le forçage solaire pour estimer la contribution solaire à ces tendances ?

Le sixième rapport d’évaluation a explicitement soutenu que le biais d’urbanisation représente moins de 10 % du réchauffement à long terme, mais plusieurs études récentes ont contesté cette affirmation [ 

5 , 

7 , 

9 , 

10 , 

78 ]. Parallèlement, le sixième rapport d’évaluation soutient que l’ensemble de données sur le forçage solaire de Matthes et al. (2017) a été confirmé comme étant fiable, mais cette affirmation est contestée par plusieurs études affirmant qu’il n’a pas encore été résolu de manière satisfaisante lequel (le cas échéant) des nombreux ensembles de données sur le forçage solaire est le plus fiable [ 

5 , 

7 , 

12 , 

15 ].Dans cette optique, nous avons appliqué une série d’évaluations d’attribution statistique à deux estimations différentes des températures terrestres de l’hémisphère nord sur la période 1850-2018 (avec une analyse secondaire sur la période 1900-2018). La première estimation de température suppose que le biais d’urbanisation est au pire un problème mineur et correspond presque exactement aux estimations prises en compte par le sixième rapport d’évaluation (voir 

la figure 2 ). La deuxième estimation a été calculée en utilisant uniquement les stations actuellement rurales ou qui avaient été explicitement corrigées pour le biais d’urbanisation.En ce qui concerne la signification physique des différentes corrélations statistiques évoquées dans cet article, nous soulignons que la régression ne peut ni vérifier ni conclure à une causalité ; elle peut seulement confirmer qu’il existe une corrélation statistique entre les séries chronologiques étudiées. En effet, Soon et al. (2015) [ 

7 ] ont souligné qu’il existe au moins quatre types de corrélations :

• Corrélation causale;
• Corrélation commensale;
• Corrélation fortuite;
• Corrélation constructionnelle.

Par conséquent, même l’identification de l’existence d’une corrélation n’établit pas en soi une causalité.Dans le cas d’une corrélation commensale où les deux variables sont influencées par un facteur commun, l’analyse peut toujours être potentiellement informative, par exemple, comme l’ont noté Soon et al. (2015) [ 

7 ], « 

Si une corrélation climatique solaire donnée était commensale, cela indiquerait qu’un facteur (éventuellement inconnu) qui influence le climat de la Terre influence également un aspect particulier de la variabilité solaire. Cependant, si ce facteur influençait un aspect de la variabilité solaire, il s’agirait vraisemblablement d’une autre forme de variabilité solaire, et par conséquent la corrélation serait toujours avec la variabilité solaire ». Cependant, dans le cas des types 3 et 4, la corrélation apparente serait sans doute fausse.Néanmoins, nous notons que cette mise en garde s’applique également à l’analyse de Gillett et al. (2021) [ 

2 ], c’est-à-dire la principale base de la déclaration d’attribution de l’AR6, ainsi qu’à la déclaration d’attribution de C2021 [ 

5 ] et à l’analyse de cet article.Comme le montre 

la figure 1 b, d, l’estimation « rurale uniquement » comprend beaucoup moins de données (~10–15 %), en particulier pour les périodes les plus anciennes. Par conséquent, cette série de températures est « plus bruyante » que l’estimation « rurale et urbaine ». Par conséquent, si le sixième rapport d’évaluation a raison de dire que le problème du biais d’urbanisation est relativement mineur, il semblerait raisonnable de préférer la série chronologique « rurale et urbaine ». Cependant, outre le « bruit » interannuel réduit des estimations « rurales et urbaines », il existe également des différences dans l’ampleur des intervalles multidécennaux de réchauffement et de refroidissement. En particulier, la tendance linéaire au réchauffement à long terme de 1850–2018 de l’estimation « rurale uniquement » (0,55 °C/siècle) ne représente que 62 % de celle de l’estimation « rurale et urbaine » (0,89 °C/siècle). Si même la moitié de cette différence était due au biais d’urbanisation, cela contredirait déjà l’affirmation du sixième rapport d’évaluation. Pour une analyse détaillée des différences entre les deux séries chronologiques, nous renvoyons à la section 3.1.1 de C2021 [ 

5 ]. Plusieurs études ont noté que la résolution du problème du biais d’urbanisation reste un défi majeur [ 

5 , 

6 , 

7 , 

8 , 

9 , 

10 , 

76 ]. Par conséquent, nous suggérons qu’une étude plus approfondie de ce problème et d’autres biais non climatiques devrait être une priorité de recherche élevée.Entre-temps, nous avons constaté que le simple remplacement d’un ensemble de données de forçage solaire alternatif par celui pris en compte par les prévisions rétrospectives du modèle climatique du AR6 peut augmenter considérablement la quantité de réchauffement de 1850-2018 qui peut être expliquée en termes de forçage naturel, de 21 % à 70 % du réchauffement à long terme impliqué par la série « rurale et urbaine » et 87 % de la série de température « rurale uniquement ».Cela suggère que les débats scientifiques sur le jeu de données de forçage solaire à utiliser n’ont pas encore été résolus de manière satisfaisante. C2021 décrit plusieurs débats clés en cours sur les jeux de données TSI. Une question porte sur le moment et la forme des différents pics et creux. Un autre problème majeur est le choix du composite satellite utilisé pour calibrer les différents proxys solaires [ 

12 , 

32 , 

97 , 

98 , 

99 , 

100 , 

115 ]. Le fait que le débat soit toujours en cours sur la façon dont le TSI a varié même au sein de l’ère des satellites souligne l’importance de poursuivre (voire d’augmenter) l’investissement dans plusieurs missions de surveillance par satellite du TSI [ 

12 , 

115 , 

116 , 

117 , 

118 ].Un autre débat majeur porte sur la question de savoir si les estimations de variabilité solaire élevées ou faibles sont plus réalistes [ 

124 ]. Notez que « élevée » ou « faible » fait référence à la fois (1) à la variabilité interannuelle et (2) à la façon dont les magnitudes des composantes multidécennales se comparent à celles du « cycle des taches solaires » d’environ 11 ans [ 

5 , 

7 , 

12 , 

22 ]. Le sixième rapport d’évaluation est en faveur des estimations de faible variabilité solaire. D’autres études sont en faveur des estimations de forte variabilité solaire [ 

13 , 

14 , 

15 ]. Une approche prometteuse, bien qu’indirecte, pour résoudre potentiellement ces débats pourrait être de comparer la variabilité solaire à la variabilité stellaire observée des « étoiles semblables au Soleil » [ 

5 , 

7 , 

14 , 

15 , 

120 , 

121 , 

123 , 

125 , 

126 , 127 , 

128 , 

129 , 

130 ]. Par conséquent, nous encourageons davantage d’investissements dans des projets d’étude de la variabilité des étoiles semblables au Soleil, par exemple, la mission satellite Kepler [ 123 , 127 , 128 ] et le télescope 

spectroscopique à fibre optique multi-objets à grande surface du ciel, LAMOST [ 125 ].

Français Notre analyse s’est limitée aux températures de l’air à la surface terrestre de l’hémisphère nord, car c’était la région où nous avions une couverture de données suffisante pour construire une série chronologique « rurale uniquement » à partir de l’ensemble de données de la version 3 du GHCN. L’ensemble de données du GHCN a récemment été mis à niveau vers la version 4 avec un plus grand nombre de stations et dans de nombreux cas, il contient des enregistrements plus longs [ 

72 ], et certains d’entre nous ont commencé à travailler en utilisant cet ensemble de données à la place [ 

76 , 

83 ]. Nous encourageons également les projets à compiler et à numériser les premières mesures historiques de température et les métadonnées d’historique des stations qui les accompagnent [ 

131 , 

132 ]. Cependant, nous mettons en garde contre le fait que les approches actuelles consistant à utiliser des techniques d’homogénéisation statistique pour corriger les enregistrements de température des biais non climatiques sont sujettes à des « effets d’aliasing » [ 

74 , 

75 ], y compris le « mélange urbain » [ 

5 , 

76 , 

77 ]. Katata et al. (2023) ont proposé quelques modifications potentielles à l’homogénéisation de la température pour réduire ou supprimer ce problème [ 

78 ].Les indicateurs de température pourraient potentiellement aider à prolonger notre série chronologique « rurale uniquement » jusqu’au début du XIXe siècle ou même plus tôt, c’est-à-dire la période dite du « Petit Âge glaciaire » [ 

133 , 

134 , 

135 ]. Nous suggérons qu’une résolution plus satisfaisante du débat sur l’urbanisation concernant les températures de surface terrestre pourrait également aider dans les divers débats en cours sur les tendances de la température des océans [ 

94 , 

136 , 

137 ].Nous notons que même pour la série chronologique « rurale uniquement » avec la meilleure adéquation des ensembles de données sur le forçage solaire (Solar #2), environ 15 % du réchauffement de 1850 à 2018 n’était pas expliqué uniquement par le forçage solaire et volcanique. Une grande partie de ce phénomène pourrait s’expliquer par une contribution supplémentaire des forçages anthropiques [ 

1 , 

2 , 

17 , 

106 , 

107 , 

111 ]. Cependant, si tel était le cas, cela impliquerait probablement une sensibilité climatique aux gaz à effet de serre bien inférieure à celle que suggèrent les modèles CMIP6, comme l’ont suggéré plusieurs études, par exemple [ 

17 , 

18 , 

31 , 

33 , 

34 , 

138 , 

139 , 

140 , 

141 , 

142 , 

143 , 

144 , 

145 , 

146 , 

147 , 

148 ]. Il est également possible que des biais non climatiques supplémentaires subsistent dans les données [ 

5 , 

7 , 

10 , 

76 ]. Cependant, nous remarquons également que pour la série « rurale uniquement », aucun des ajustements n’a complètement capturé toutes les oscillations de température sur plusieurs décennies. Autrement dit, les ajustements anthropiques et « naturels et anthropiques » n’ont pas réussi à capturer les périodes chaudes du milieu du XIXe siècle ou du milieu du XXe siècle, tandis que les ajustements solaires et « naturels uniquement » n’ont pas réussi à capturer la période chaude du milieu du XIXe siècle et la partie la plus récente de la période chaude actuelle. Par conséquent, si la série « rurale uniquement » est correcte, des facteurs climatiques supplémentaires à ceux pris en compte par cette analyse et les analyses d’attribution équivalentes du GIEC doivent encore être inclus.Dans cet esprit, nous soulignons que, pour des raisons de simplicité, nous avons explicitement supposé pour cet article, comme pour les rétrospectives du modèle climatique du AR6, que les principaux facteurs « naturels » du changement de température mondiale sont les changements dans (1) le TSI et (2) le forçage volcanique. Cependant, certains ont avancé l’existence de relations supplémentaires, plus subtiles, entre l’activité solaire et le climat [ 

5 , 

17 , 

19 , 

22 , 

63 , 

109 , 

139 , 

149 , 

150 , 

151 , 

152 , 

153 , 

154 , 

155 , 

156 , 

157 , 

158 , 

159 , 

160 , 

161 , 

162 , 

163 , 

164 , 

165 , 

166 , 

167 , 

168 , 

169 , 

170 ]. Parallèlement, certaines études suggèrent qu’une meilleure compréhension du rôle des éruptions volcaniques sur le changement climatique est nécessaire [ 

111 , 

171 ].Le sixième rapport d’évaluation note à juste titre que les principaux changements orbitaux Terre/Soleil « 

s’opèrent sur des échelles de temps très longues (c’est-à-dire des milliers d’années). En tant que tels, ils ont affiché très peu de changements au cours du siècle dernier et ont eu très peu d’influence sur les changements de température observés au cours de cette période » (6e rapport d’évaluation, FAQ 3.2, p. 517) [ 

1 ]. Cependant, ces dernières années, plusieurs chercheurs ont noté que ces changements à long terme entraînent également de subtils décalages régionaux de la saisonnalité sur des échelles de temps pluridécennales à centennales qui ne sont pas négligeables [ 

155 , 

172 , 

173 , 

174 , 

175 ] et que ces décalages sont également influencés par l’orbite Terre/Lune [ 

174 , 

175 , 

176 ].D’autres suggèrent qu’une grande partie de la variabilité multidécennale des températures peut en effet s’expliquer en termes de « variabilité climatique interne » naturelle que les modèles climatiques actuels ne semblent pas pleinement prendre en compte [ 

111 , 

133 , 

142 , 

177 , 

178 , 

179 , 

180 ]. Cela pourrait comprendre des changements dans :

• Circulations océaniques et/ou atmosphériques [ 111 , 133 , 142 , 177 , 178 , 181 ] ;
• Couverture nuageuse [ 18 , 140 , 141 , 142 , 165 , 179 , 180 , 182 , 183 ];
• Ou, plus largement, l’albédo planétaire net [ 179 , 181 , 184 ].

Nous encourageons donc à l’avenir des recherches plus actives sur les possibilités de facteurs climatiques naturels autres que les TSI et les forçages volcaniques. Plusieurs des autres études que nous avons évoquées ont également fait valoir ce point [ 

17 , 

18 , 

20 , 

22 , 

111 ].Les mesures du rayonnement solaire incident à la surface du sol (« durée d’ensoleillement ») pourraient constituer une forme potentiellement utile de données climatiques [ 

185 , 

186 , 

187 , 

188 ]. Cette forme de données intègre la variabilité de l’activité solaire, la dynamique orbitale, la transparence atmosphérique et la couverture nuageuse, ce qui en fait potentiellement un ensemble de données climatiques puissant. Cependant, il existe des débats sur la contribution des effets de l’urbanisation aux mesures locales de l’ensoleillement [ 

187 ]. Par conséquent, ces données peuvent également poser des problèmes urbains/ruraux.En résumé, pour résoudre de manière plus satisfaisante les causes des changements climatiques depuis le XIXe siècle, nous encourageons davantage de recherches sur les sujets suivants :

• Meilleure quantification de la contribution du biais d’urbanisation aux estimations actuelles de la température mondiale.
• Améliorer les techniques d’homogénéisation de la température pour minimiser le mélange urbain et corriger plus précisément d’autres biais non climatiques.
• Déterminer quels sont les ensembles de données TSI actuels les plus fiables (le cas échéant). Nous considérons que cela implique deux périodes distinctes : l’ère des satellites et l’ère pré-satellite. Nous proposons que d’autres missions satellites pourraient aider à améliorer la première, tandis que davantage de projets d’étoiles semblables au Soleil pourraient aider à améliorer la seconde.
• Prise en compte de la possibilité que les estimations actuelles de la contribution anthropique au changement climatique récent soient trop élevées.
• Facteurs naturels du changement climatique autres que les TSI et l’activité volcanique.

1. Masson-Delmotte, V.; Zhai, P.; Pirani, A.; Connors, SL; Péan, C.; Berger, S.; Caud, N.; Chen, Y.; Goldfarb, L.; Gomis, MI; et al. IPCC Climate Change 2021: The Physical Science Basis ; Contribution du Groupe de travail I au sixième rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat ; Cambridge University Press : Cambridge, Royaume-Uni, 2021. [ Google Scholar ]
2. Gillett, NP; Kirchmeier-Young, M.; Ribes, A.; Shiogama, H.; Hegerl, GC; Knutti, R.; Gastineau, G.; John, JG; Li, L.; Nazarenko, L.; et al. Contraintes liées aux contributions humaines au réchauffement observé depuis la période préindustrielle. Nat. Clim. Chang. 2021 , 11 , 207–212. [ Google Scholar ] [ CrossRef ]
3. GIEC : Changement climatique 2013 : les bases scientifiques physiques ; Contribution du Groupe de travail I au cinquième rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat ; Cambridge University Press : Cambridge, Royaume-Uni ; New York, NY, États-Unis, 2013.
4. Jones, GS; Stott, PA; Christidis, N. Attribution des variations historiques observées de la température de surface aux causes anthropiques et naturelles à l’aide de simulations CMIP5. J. Geophys. Res. Atmos. 2013 , 118 , 4001–4024. [ Google Scholar ] [ CrossRef ]
5. Connolly, R.; Soon, W.; Connolly, M.; Baliunas, S.; Berglund, J.; Butler, CJ; Cionco, RG; Elias, AG; Fedorov, VM; Harde, H.; et al. Dans quelle mesure le Soleil a-t-il influencé les tendances de température dans l’hémisphère nord ? Un débat en cours. Rés. Astron. Astrophys. 2021 , 21 , 131. [ Google Scholar ] [ CrossRef ]
6. McKitrick, R. Tests englobants des signaux socioéconomiques dans les données climatiques de surface. Clim. Chang. 2013 , 120 , 95–107. [ Google Scholar ] [ CrossRef ]
7. Soon, W.; Connolly, R.; Connolly, M. Réévaluation du rôle de la variabilité solaire sur les tendances de température dans l’hémisphère nord depuis le 19e siècle. Earth-Sci. Rev. 2015 , 150 , 409–452. [ Google Scholar ] [ CrossRef ]
8. Sun, X.; Ren, G.; Xu, W.; Li, Q.; Ren, Y. Évolution de la température de l’air à la surface du sol à l’échelle mondiale d’après le nouvel ensemble de données CMA GLSAT. Sci. Bull. 2017 , 62 , 236–238. [ Google Scholar ] [ CrossRef ]
9. Zhang, P.; Ren, G.; Qin, Y.; Zhai, Y.; Zhai, T.; Tysa, SK; Xue, X.; Yang, G.; Sun, X. Effets de l’urbanisation sur les estimations des tendances mondiales de la température moyenne et extrême de l’air. J. Clim. 2021 , 34 , 1923–1945. [ Google Scholar ] [ CrossRef ]
10. Scafetta, N. Détection de biais non climatiques dans les relevés de température de surface terrestre en comparant les données climatiques et leurs simulations de modèles. Clim. Dyn. 2021 , 56 , 2959–2982. [ Google Scholar ] [ CrossRef ]
11. Matthes, K.; Funke, B.; Andersson, ME; Barnard, L.; Beer, J.; Charbonneau, P.; Clilverd, MA; Dudok de Wit, T.; Haberreiter, M.; Hendry, A.; et al. Forçage solaire pour CMIP6 (v3.2). Geosci. Model Dev. 2017 , 10 , 2247–2302. [ Google Scholar ] [ CrossRef ]
12. Scafetta, N.; Willson, RC; Lee, JN; Wu, DL Modélisation de la variabilité de la luminosité solaire silencieuse à partir des mesures satellitaires TSI et des modèles proxy au cours de la période 1980-2018. Remote Sens. 2019 , 11 , 2569. [ Google Scholar ] [ CrossRef ]
13. Hoyt, DV; Schatten, KH Une discussion sur les variations plausibles de l’irradiance solaire, 1700-1992. J. Geophys. Res. Space Phys. 1993 , 98 , 18895–18906. [ Google Scholar ] [ CrossRef ]
14. Zhang, Q.; Soon, WH; Baliunas, SL; Lockwood, GW; Skiff, BA; Radick, RR Une méthode de détermination des variations possibles de luminosité du Soleil au cours des siècles passés à partir d’observations d’étoiles de type solaire. Astrophys. J. Lett. 1994 , 427 , L111–L114. [ Google Scholar ] [ CrossRef ]
15. Egorova, T.; Schmutz, W.; Rozanov, E.; Shapiro, AI; Usoskin, I.; Beer, J.; Tagirov, RV; Peter, T. Forçage historique révisé de l’irradiance solaire. Astron. Astrophys. 2018 , 615 , A85. [ Google Scholar ] [ CrossRef ]
16. Newman, A. Une étude révèle que le soleil, et non le CO2, pourrait être à l’origine du réchauffement climatique. The Epoch Times , 16 août 2021. Disponible en ligne : https://www.theepochtimes.com/challenging-un-study-finds-sun-not-co2-may-be-behind-global-warming_3950089.html (consulté le 22 août 2023).
17. Stefani, F. Influences solaires et anthropiques sur le climat : analyse de régression et prévisions provisoires. Climate 2021 , 9 , 163. [ Google Scholar ] [ CrossRef ]
18. Harde, H. Dans quelle mesure le CO2 _et le soleil contribuent au réchauffement climatique : comparaison des tendances de température simulées avec les observations du siècle dernier. Sci. Clim. Chang. 2022 , 2.2 , 105–133. [ Google Scholar ] [ CrossRef ]
19. Li, Z.; Chang, L.; Lou, J.; Shen, Y.; Yan, H. Analyse multi-échelle des relations entre l’activité solaire, le CO2 et la température de surface globale. Res. Astron. Astrophys. 2022 , 22 , 095019. [ Google Scholar ] [ CrossRef ]
20. Richardson, MT; Benestad, RE Utilisation erronée des statistiques derrière les affirmations d’un rôle solaire majeur dans le réchauffement récent. Res. Astron. Astrophys. 2022 , 22 , 125008. [ Google Scholar ] [ CrossRef ]
21. Chatzistergos, T. Existe-t-il un lien entre la durée du cycle solaire et la température de la Terre ? Rend. Fis. Acc. Lincei 2023 , 34 , 11–21. [ Google Scholar ] [ CrossRef ]
22. Scafetta, N. Évaluation empirique du rôle du soleil dans le changement climatique à l’aide d’enregistrements solaires multi-proxy équilibrés. Geosci. Front. 2023 , 14 , 101650. [ Google Scholar ] [ CrossRef ]
23. Kennedy, JJ Une étude de l’incertitude dans les mesures in situ et les ensembles de données sur la température de la surface de la mer. Rev. Geophys. 2014 , 52 , 1–32. [ Google Scholar ] [ CrossRef ]
24. Wang, Y.-M.; Lean, JL; Sheeley, NR, Jr. Modélisation du champ magnétique et de l’irradiance du Soleil depuis 1713. Astron. J. 2005 , 625 , 522. [ Google Scholar ] [ CrossRef ]
25. Lenssen, NJL; Schmidt, GA; Hansen, JE; Menne, MJ; Persin, A.; Ruedy, R.; Zyss, D. Améliorations du modèle d’incertitude GISTEMP. J. Geophys. Res. Atmos. 2019 , 124 , 6307–6326. [ Google Scholar ] [ CrossRef ]
26. Coddington, O.; Lean, JL; Pilewskie, P.; Snow, M.; Lindholm, D. Un enregistrement des données climatiques sur l’irradiance solaire. Bull. Am. Meteor. Soc. 2016 , 97 , 1265–1282. [ Google Scholar ] [ CrossRef ]
27. Li, Y.; Zhu, L.; Zhao, X.; Li, S.; Yan, Y. Impact de l’urbanisation sur le changement de température en Chine, en mettant l’accent sur le changement de couverture terrestre et l’activité humaine. J. Clim. 2013 , 26 , 8765–8780. [ Google Scholar ] [ CrossRef ]
28. Liao, W.; Wang, D.; Liu, X.; Wang, G.; Zhang, J. Estimation de l’influence de l’urbanisation sur le réchauffement de la surface de la terre dans l’est de la Chine à l’aide de données d’utilisation des terres variables dans le temps. Int. J. Climatol. 2017 , 37 , 3197–3208. [ Google Scholar ] [ CrossRef ]
29. Shi, Z.; Jia, G.; Hu, Y.; Zhou, Y. La contribution des effets de l’intensification de l’urbanisation aux tendances de réchauffement de surface en Chine. Théor. Appl. Clim. 2019 , 138 , 1125–1137. [ Google Scholar ] [ CrossRef ]
30. Chen, Y.; Zhai, P. Hiatus de réchauffement persistant et fort dans l’est de la Chine au cours des deux dernières décennies. Environ. Res. Lett. 2017 , 12 , 104010. [ Google Scholar ] [ CrossRef ]
31. Scafetta, N. Discussion sur les oscillations climatiques : modèles de circulation générale CMIP5 versus modèle harmonique semi-empirique basé sur les cycles astronomiques. Earth-Sci. Rev. 2013 , 126 , 321–357. [ Google Scholar ] [ CrossRef ]
32. Scafetta, N.; Willson, RC Validation composite des satellites d’irradiation solaire totale de l’ACRIM par rapport aux modèles proxy TSI. Astrophys. Space Sci. 2014 , 350 , 421–442. [ Google Scholar ] [ CrossRef ]
33. Scafetta, N. Test des simulations GCM CMIP6 par rapport aux enregistrements de température de surface de 1980-1990 à 2011-2021 : une valeur ECS élevée n’est pas prise en charge. Climate 2021 , 9 , 161. [ Google Scholar ] [ CrossRef ]
34. Scafetta, N. Tests avancés des simulations GCM CMIP6 à ECS faible, moyen et élevé par rapport à ERA5-T2m. Géophys. Res. Lett. 2022 , 49 , e2022GL097716. [ Google Scholar ] [ CrossRef ]
35. Scafetta, N. Validation du modèle de climatologie global CMIP6 basée sur le classement ECS et TCR pour les projections de température et l’évaluation des risques au 21e siècle. Atmosphère 2023 , 14 , 345. [ Google Scholar ] [ CrossRef ]
36. Scafetta, N. CMIP6 GCM Ensemble Members versus Global Surface Temperatures. Clim. Dyn. 2023 , 60 , 3091–3120. [ Google Scholar ] [ CrossRef ]
37. Connolly, R.; Connolly, M.; Soon, W. Réétalonnage des ensembles de données sur l’étendue de la glace de mer arctique à l’aide des relevés de température de l’air à la surface de l’Arctique. Hydrol. Sci. J. 2017 , 62 , 1317–1340. [ Google Scholar ] [ CrossRef ]
38. Connolly, R.; Connolly, M.; Soon, W.; Legates, DR; Cionco, RG; Velasco Herrera, VM Tendances de la couverture neigeuse dans l’hémisphère nord (1967-2018) : comparaison entre les modèles climatiques et les observations. Géosciences 2019 , 9 , 135. [ Google Scholar ] [ CrossRef ]
39. McKitrick, R.; Christy, J. Un test du taux de réchauffement tropical de 200 à 300 HPa dans les modèles climatiques. Earth Space Sci. 2018 , 5 , 529–536. [ Google Scholar ] [ CrossRef ]
40. McKitrick, R.; Christy, J. Biais de réchauffement généralisé dans les couches troposphériques CMIP6. Earth Space Sci. 2020 , 7 , e2020EA001281. [ Google Scholar ] [ CrossRef ]
41. Mitchell, DM; Lo, YTE; Seviour, WJM; Haimberger, L.; Polvani, LM Le profil vertical des tendances récentes de la température tropicale : biais persistants du modèle dans le contexte de la variabilité interne. Environ. Res. Lett. 2020 , 15 , 1040b4. [ Google Scholar ] [ CrossRef ]
42. Krivova, NA; Balmaceda, L.; Solanki, SK Reconstruction de l’irradiance solaire totale depuis 1700 à partir du flux magnétique de surface. Astron. Astrophys. 2007 , 467 , 335–346. [ Google Scholar ] [ CrossRef ]
43. Krivova, NA; Vieira, LEA; Solanki, SK Reconstruction de l’irradiance spectrale solaire depuis le minimum de Maunder. J. Geophys. Res. Space Phys. 2010 , 115 , A12112. [ Google Scholar ] [ CrossRef ]
44. Lean, J. Évolution de l’irradiance spectrale du Soleil depuis le minimum de Maunder. Géophys. Res. Lett. 2000 , 27 , 2425–2428. [ Google Scholar ] [ CrossRef ]
45. Lean, J.; Rottman, G.; Harder, J.; Kopp, G. Contributions de SORCE à une nouvelle compréhension du changement global et de la variabilité solaire. Dans The Solar Radiation and Climate Experiment (SORCE) : description de la mission et premiers résultats ; Rottman, G., Woods, T., George, V., éd. ; Springer : New York, NY, États-Unis, 2005 ; pp. 27–53. ISBN 978-0-387-37625-7. [ Google Scholar ]
46. Hoyt, DV; Schatten, KH Group Nombre de taches solaires : une nouvelle reconstruction de l’activité solaire. Sol. Phys. 1998 , 179 , 189–219. [ Google Scholar ] [ CrossRef ]
47. Clette, F.; Svalgaard, L.; Vaquero, JM; Cliver, EW Revoir le nombre de taches solaires. Space Sci. Rev. 2014 , 186 , 35–103. [ Google Scholar ] [ CrossRef ]
48. Kopp, G.; Krivova, N.; Wu, CJ; Lean, J. L’impact de l’enregistrement révisé des taches solaires sur les reconstructions de l’irradiance solaire. Sol. Phys. 2016 , 291 , 2951–2965. [ Google Scholar ] [ CrossRef ]
49. Svalgaard, L.; Schatten, KH Reconstruction du numéro de groupe des taches solaires : la méthode du squelette. Sol. Phys. 2016 , 291 , 2653–2684. [ Google Scholar ] [ CrossRef ]
50. Vaquero, JM; Svalgaard, L.; Carrasco, VMS; Clette, F.; Lefèvre, L.; Gallego, MC; Arlt, R.; Aparicio, AJP; Richard, J.-G.; Howe, R. Une collection révisée de numéros de groupes de taches solaires. Sol. Phys. 2016 , 291 , 3061–3074. [ Google Scholar ] [ CrossRef ]
51. Usoskin, IG; Kovaltsov, GA; Lockwood, M.; Mursula, K.; Owens, M.; Solanki, SK Une nouvelle série de groupes de taches solaires calibrées depuis 1749 : statistiques des fractions de jours actifs. Sol. Phys. 2016 , 291 , 2685–2708. [ Google Scholar ] [ CrossRef ]
52. Chatzistergos, T.; Usoskin, IG; Kovaltsov, GA; Krivova, NA; Solanki, SK Nouvelle reconstruction des numéros de groupes de taches solaires depuis 1739 à l’aide de méthodes d’étalonnage direct et de « backbone ». Astron. Astrophys. 2017 , 602 , A69. [ Google Scholar ] [ CrossRef ]
53. Asvestari, E.; Usoskin, IG; Kovaltsov, GA; Owens, MJ; Krivova, NA; Rubinetti, S.; Taricco, C. Évaluation de différentes séries de nombres de taches solaires à l’aide de l’isotope cosmogénique 44Ti dans les météorites. Mon. Not. R. Astron. Soc. 2017 , 467 , 1608–1613. [ Google Scholar ] [ CrossRef ]
54. Velasco Herrera, VM; Soon, W.; Hoyt, DV; Muraközy, J. Group Nombre de taches solaires : une nouvelle reconstruction des variations de l’activité des taches solaires à partir d’enregistrements historiques de taches solaires à l’aide d’algorithmes d’apprentissage automatique. Sol. Phys. 2022 , 297 , 8. [ Google Scholar ] [ CrossRef ]
55. Clette, F.; Lefèvre, L.; Chatzistergos, T.; Hayakawa, H.; Carrasco, VMS; Arlt, R.; Cliver, EW; Dudok de Wit, T.; Friedli, TK; Karachik, N.; et al. Réétalonnage du nombre de taches solaires : rapport de situation. Sol. Phys. 2023 , 298 , 44. [ Google Scholar ] [ CrossRef ]
56. Lockwood, M. ; Owens, MJ ; Barnard, LA ; Scott, CJ ; Frost, AM ; Yu, B. ; Chi, Y. Application des ensembles de données historiques à la compréhension du flux solaire ouvert et du grand maximum solaire du XXe siècle. 1. Observations géomagnétiques, ionosphériques et des taches solaires. Front. Astron. Space Sci. 2022 , 9 , 960775. [ Google Scholar ] [ CrossRef ]
57. Balmaceda, LA; Solanki, SK; Krivova, NA; Foster, S. Une base de données homogène des zones de taches solaires couvrant plus de 130 ans. J. Geophys. Res. Space Phys. 2009 , 114 , A07104. [ Google Scholar ] [ CrossRef ]
58. Mursula, K. Hale Cycle du flux radio solaire hémisphérique et des taches solaires : preuve d’un champ résiduel décalé vers le nord. AA 2023 , 674 , A182. [ Google Scholar ] [ CrossRef ]
59. Bientôt, WW-H. L’irradiance solaire variable comme agent plausible des variations multidécennales de la température de l’air à la surface de l’Arctique au cours des 130 dernières années. Geophys. Res. Lett. 2005 , 32 , L16712. [ Google Scholar ] [ CrossRef ]
60. Bientôt, WW-H. Variation climatique induite par l’Arctique solaire sur des échelles de temps allant de plusieurs décennies à plusieurs siècles : preuves empiriques, explications mécanistes et conséquences testables. Phys. Géogr. 2009 , 30 , 144–184. [ Google Scholar ] [ CrossRef ]
61. Soon, W.; Dutta, K.; Legates, DR; Velasco, V.; Zhang, W. Variation de la température de l’air en surface de la Chine au cours du XXe siècle. J. Atmos. Sol. Terr. Phys. 2011 , 73 , 2331–2344. [ Google Scholar ] [ CrossRef ]
62. Soon, W.; Legates, DR Modulation de l’irradiance solaire des gradients de température de l’équateur au pôle (Arctique) : preuves empiriques de la variation climatique sur des échelles de temps multidécennales. J. Atmos. Sol. Terr. Phys. 2013 , 93 , 45–56. [ Google Scholar ] [ CrossRef ]
63. Mörner, N.-A.; Solheim, J.-E.; Humlum, O.; Falk-Petersen, S. Évolution des positions des lisières de glace de la mer de Barents au cours des 440 dernières années : examen des forces motrices possibles. Int. J. Astron. Astrophys. 2020 , 10 , 97–164. [ Google Scholar ] [ CrossRef ]
64. Lawrimore, JH; Menne, MJ; Gleason, BE; Williams, CN; Wuertz, DB; Vose, RS; Rennie, J. Aperçu de l’ensemble de données de température moyenne mensuelle du réseau mondial de climatologie historique, version 3. J. Geophys. Res. Atmos. 2011 , 116 , D19121. [ Google Scholar ] [ CrossRef ]
65. Jones, PD; Lister, DH; Osborn, TJ; Harpham, C.; Salmon, M.; Morice, CP Variations de la température de l’air à la surface terrestre et à l’échelle hémisphérique : une révision approfondie et une mise à jour jusqu’en 2010. J. Geophys. Res. Atmos. 2012 , 117 , D05127. [ Google Scholar ] [ CrossRef ]
66. Osborn, TJ; Jones, PD; Lister, DH; Morice, CP; Simpson, IR; Winn, JP; Hogan, E.; Harris, IC Variations de la température de l’air à la surface du sol à travers le monde mises à jour jusqu’en 2019 : l’ensemble de données CRUTEM5. J. Geophys. Res. Atmos. 2021 , 126 , e2019JD032352. [ Google Scholar ] [ CrossRef ]
67. Cowtan, K.; Way, RG Biais de couverture dans la série de températures HadCRUT4 et son impact sur les tendances récentes de température. QJR Meteorol. Soc. 2014 , 140 , 1935–1944. [ Google Scholar ] [ CrossRef ]
68. Xu, W.; Li, Q.; Jones, P.; Wang, XL; Trewin, B.; Yang, S.; Zhu, C.; Zhai, P.; Wang, J.; Vincent, L.; et al. Un nouvel ensemble de données mensuelles intégrées et homogénéisées sur la température de l’air à la surface du sol à l’échelle mondiale pour la période depuis 1900. Clim. Dyn. 2018 , 50 , 2513–2536. [ Google Scholar ] [ CrossRef ]
69. Sun, W.; Yang, Y.; Chao, L.; Dong, W.; Huang, B.; Jones, P.; Li, Q. Description de la version 2.0 de la température de surface mondiale fusionnée de la Chine. Earth Syst. Sci. Data 2022 , 14 , 1677–1693. [ Google Scholar ] [ CrossRef ]
70. Muller, RA; Rohde, R.; Jacobsen, R.; Muller, E.; Perlmutter, S.; Rosenfeld, A.; Wurtele, J.; Groom, D.; Wickham, C. Une nouvelle estimation de la température moyenne de la surface terrestre de 1753 à 2011. Geoinform. Geostat. Overv. 2013 , 1 , 1. [ Google Scholar ] [ CrossRef ]
71. Hansen, J.; Ruedy, R.; Sato, M.; Lo, K. Changement global de la température de surface. Rev. Geophys. 2010 , 48 , RG4004. [ Google Scholar ] [ CrossRef ]
72. Menne, MJ; Williams, CN; Gleason, BE; Rennie, JJ; Lawrimore, JH Ensemble de données mensuelles sur la température du réseau de climatologie historique mondiale, version 4. J. Clim. 2018 , 31 , 9835–9854. [ Google Scholar ] [ CrossRef ]
73. Menne, MJ; Williams, CN Homogénéisation des séries de température par comparaisons par paires. J. Clim. 2009 , 22 , 1700–1717. [ Google Scholar ] [ CrossRef ]
74. DeGaetano, AT Attributs de plusieurs méthodes de détection de discontinuités dans les séries de températures moyennes. J. Clim. 2006 , 19 , 838–853. [ Google Scholar ] [ CrossRef ]
75. Pielke, R.; Nielsen-Gammon, J.; Davey, C.; Angel, J.; Bliss, O.; Doesken, N.; Cai, M.; Fall, S.; Niyogi, D.; Gallo, K.; et al. Documentation des incertitudes et des biais associés aux sites de mesure de la température de surface pour l’évaluation du changement climatique. Bull. Am. Meteorol. Soc. 2007 , 88 , 913–928. [ Google Scholar ] [ CrossRef ]
76. Soon, WW-H.; Connolly, R.; Connolly, M.; O’Neill, P.; Zheng, J.; Ge, Q.; Hao, Z.; Yan, H. Comparaison des périodes chaudes actuelles et du début du XXe siècle en Chine. Earth-Sci. Rev. 2018 , 185 , 80–101. [ Google Scholar ] [ CrossRef ]
77. Soon, WW-H.; Connolly, R.; Connolly, M.; O’Neill, P.; Zheng, J.; Ge, Q.; Hao, Z.; Yan, H. Réponse aux commentaires de Li et Yang sur « Comparaison des périodes chaudes actuelles et du début du XXe siècle en Chine ». Earth-Sci. Rev. 2019 , 198 , 102950. [ Google Scholar ] [ CrossRef ]
78. Katata, G.; Connolly, R.; O’Neill, P. Preuves de mélange urbain dans les relevés de température homogénéisés au Japon et aux États-Unis : implications pour la fiabilité des données mondiales sur la température de l’air à la surface du sol. J. Appl. Meteorol. Climatol. 2023 , 62 , 1095–1114. [ Google Scholar ] [ CrossRef ]
79. Hausfather, Z.; Menne, MJ; Williams, CN; Masters, T.; Broberg, R.; Jones, D. Quantification de l’effet de l’urbanisation sur les relevés de température du réseau de climatologie historique des États-Unis. J. Geophys. Res. Atmos. 2013 , 118 , 481–494. [ Google Scholar ] [ CrossRef ]
80. Karl, TR; Williams, CN; Young, PJ; Wendland, WM Un modèle pour estimer le biais lié au moment de l’observation associé aux températures mensuelles maximales, minimales et moyennes pour les États-Unis. J. Clim. Appl. Meteor. 1986 , 25 , 145–160. [ Google Scholar ] [ CrossRef ]
81. Vose, RS; Williams, CN; Peterson, TC; Karl, TR; Easterling, DR Une évaluation de l’ajustement du biais lié au moment de l’observation dans le réseau de climatologie historique des États-Unis. Geophys. Res. Lett. 2003 , 30 , 2046. [ Google Scholar ] [ CrossRef ]
82. Fall, S.; Watts, A.; Nielsen-Gammon, J.; Jones, E.; Niyogi, D.; Christy, JR; Pielke, RA Analyse des impacts de l’exposition des stations sur les températures et les tendances de température du réseau de climatologie historique des États-Unis. J. Geophys. Res. Atmos. 2011 , 116 , D14120. [ Google Scholar ] [ CrossRef ]
83. O’Neill, P.; Connolly, R.; Connolly, M.; Soon, W.; Chimani, B.; Crok, M.; de Vos, R.; Harde, H.; Kajaba, P.; Nojarov, P.; et al. Évaluation des ajustements d’homogénéisation appliqués aux enregistrements de température européens dans l’ensemble de données du réseau mondial de climatologie historique. Atmosphère 2022 , 13 , 285. [ Google Scholar ] [ CrossRef ]
84. Bokuchava, DD; Semenov, VA Mécanismes du réchauffement du début du XXe siècle dans l’Arctique. Earth-Sci. Rev. 2021 , 222 , 103820. [ Google Scholar ] [ CrossRef ]
85. Przybylak, R. ; Wyszyński, P. ; Araźny, A. Comparaison du réchauffement de l’Arctique au début du XXe siècle et du réchauffement contemporain de l’Arctique à la lumière des données quotidiennes et infra-journalières. J. Clim. 2022 , 35 , 2269–2290. [ Google Scholar ] [ CrossRef ]
86. Susskind, J.; Schmidt, GA; Lee, JN; Iredell, L. Réchauffement climatique récent confirmé par AIRS. Environ. Res. Lett. 2019 , 14 , 044030. [ Google Scholar ] [ CrossRef ]
87. Abraham, JP; Baringer, M.; Bindoff, NL; Boyer, T.; Cheng, LJ; Church, JA; Conroy, JL; Domingues, CM; Fasullo, JT; Gilson, J.; et al. Une revue des observations de la température globale de l’océan : implications pour les estimations du contenu thermique de l’océan et le changement climatique. Rev. Geophys. 2013 , 51 , 450–483. [ Google Scholar ] [ CrossRef ]
88. Cheng, L.; Abraham, J.; Trenberth, KE; Fasullo, J.; Boyer, T.; Locarnini, R.; Zhang, B.; Yu, F.; Wan, L.; Chen, X.; et al. Les températures de la haute mer ont atteint un niveau record en 2020. Adv. Atmos. Sci. 2021 , 38 , 523–530. [ Google Scholar ] [ CrossRef ]
89. Christy, JR; Spencer, RW; Braswell, WD; Junod, R. Examen des températures atmosphériques globales basées dans l’espace utilisées dans la recherche sur le climat. Int. J. Remote Sens. 2018 , 39 , 3580–3607. [ Google Scholar ] [ CrossRef ]
90. Steiner, AK; Ladstädter, F.; Randel, WJ; Maycock, AC; Fu, Q.; Claud, C.; Gleisner, H.; Haimberger, L.; Ho, S.-P.; Keckhut, P.; et al. Changements de température observés dans la troposphère et la stratosphère de 1979 à 2018. J. Clim. 2020 , 33 , 8165–8194. [ Google Scholar ] [ CrossRef ]
91. Zou, C.-Z.; Xu, H.; Hao, X.; Liu, Q. Enregistrement de la température de la couche troposphérique moyenne dérivé d’observations par sondeur micro-ondes par satellite avec une approche de fusion vers l’arrière. J. Geophys. Res. Atmos. 2023 , 128 , e2022JD037472. [ Google Scholar ] [ CrossRef ]
92. Cowtan, K.; Rohde, R.; Hausfather, Z. Évaluation des biais dans les relevés de température de surface de la mer à l’aide de stations météorologiques côtières. QJR Meteorol. Soc. 2018 , 144 , 670–681. [ Google Scholar ] [ CrossRef ]
93. Jones, P. La fiabilité des relevés de température de surface à l’échelle mondiale et hémisphérique. Adv. Atmos. Sci. 2016 , 33 , 269–282. [ Google Scholar ] [ CrossRef ]
94. Kent, EC; Kennedy, JJ Estimations historiques des températures marines de surface. Annu. Rev. Mar. Sci. 2021 , 13 , 283–311. [ Google Scholar ] [ CrossRef ]
95. Kennedy, JJ; Rayner, NA; Atkinson, CP; Killick, RE Ensemble de données sur les changements de température de la surface de la mer depuis 1850 : ensemble de données HadSST.4.0.0.0 du Met Office Hadley Centre. J. Geophys. Res. Atmos. 2019 , 124 , 7719–7763. [ Google Scholar ] [ CrossRef ]
96. Davis, LLB; Thompson, DWJ; Kennedy, JJ; Kent, EC L’importance des biais non résolus dans les observations de la température de surface de la mer au XXe siècle. Bull. Am. Meteorol. Soc. 2019 , 100 , 621–629. [ Google Scholar ] [ CrossRef ]
97. Fröhlich, C. Observations de l’irradiance solaire totale. Surv. Geophys. 2012 , 33 , 453–473. [ Google Scholar ] [ CrossRef ]
98. Schmutz, WK. Changements dans l’irradiance solaire totale et effets climatiques. J. Space Weather Space Clim. 2021 , 11 , 40. [ Google Scholar ] [ CrossRef ]
99. Dewitte, S.; Nevens, S. Données climatiques sur l’irradiance solaire totale. Astron. J. 2016 , 830 , 25. [ Google Scholar ] [ CrossRef ]
100. Dewitte, S.; Cornelis, J.; Meftah, M. Variation de l’irradiance solaire totale du centenaire. Remote Sens. 2022 , 14 , 1072. [ Google Scholar ] [ CrossRef ]
101. Wang, Y.-M.; Lean, JL Une nouvelle reconstruction du champ magnétique solaire et de l’irradiance totale depuis 1700. Astron. J. 2021 , 920 , 100. [ Google Scholar ] [ CrossRef ]
102. Hoyt, DV Variations de la structure des taches solaires et du climat. Clim. Chang. 1979 , 2 , 79–92. [ Google Scholar ] [ CrossRef ]
103. Smith, C.; Hall, B.; Dentener, F.; Ahn, J.; Collins, W.; Jones, C.; Meinshausen, M.; Dlugokencky, E.; Keeling, R.; Krummel, P.; et al. Groupe de travail 1 du GIEC (GT1) Sixième rapport d’évaluation (AR6) Annexe III Données étendues 2021. Disponible en ligne : https://doi.org/10.5281/zenodo.5705390 (consulté le 6 juillet 2023).
104. Jones, PD; Osborn, TJ; Briffa, KR Estimation des erreurs d’échantillonnage dans les moyennes de température à grande échelle. J. Clim. 1997 , 10 , 2548–2568. [ Google Scholar ] [ CrossRef ]
105. Hawkins, E.; Jones, PD Sur l’augmentation des températures mondiales : 75 ans après Callendar. QJR Meteorol. Soc. 2013 , 139 , 1961–1963. [ Google Scholar ] [ CrossRef ]
106. Soon, WH; Posmentier, ES; Baliunas, SL Inférence de la variabilité de l’irradiance solaire à partir des changements de température terrestre, 1880–1993 : une application astrophysique de la connexion Soleil-climat. Astrophys. J. 1996 , 472 , 891. [ Google Scholar ] [ CrossRef ]
107. Cubasch, U.; Voss, R.; Hegerl, GC; Waszkewitz, J.; Crowley, TJ Simulation de l’influence des variations du rayonnement solaire sur le climat global à l’aide d’un modèle de circulation générale océan-atmosphère. Clim. Dyn. 1997 , 13 , 757–767. [ Google Scholar ] [ CrossRef ]
108. Ogurtsov, MG Sur la possible contribution des facteurs solaires-cosmiques au réchauffement climatique du XXe siècle. Bull. Russ. Acad. Sci. Phys. 2007 , 71 , 1018–1020. [ Google Scholar ] [ CrossRef ]
109. Scafetta, N. Analyse empirique de la contribution solaire au changement de la température moyenne de la surface de l’air à l’échelle mondiale. J. Atmos. Sol. Terr. Phys. 2009 , 71 , 1916–1923. [ Google Scholar ] [ CrossRef ]
110. van der Werf, GR; Dolman, AJ Impact de l’oscillation multidécennale atlantique (AMO) sur la dérivation des taux de réchauffement anthropique à partir des relevés instrumentaux de température. Earth Syst. Dyn. 2014 , 5 , 375–382. [ Google Scholar ] [ CrossRef ]
111. Chylek, P.; Folland, C.; Klett, JD; Dubey, MK Les modèles climatiques CMIP5 surestiment le refroidissement par les aérosols volcaniques. Géophys. Res. Lett. 2020 , 47 , e2020GL087047. [ Google Scholar ] [ CrossRef ]
112. McKitrick, R. Vérification de la cohérence du modèle dans l’empreinte digitale optimale : un commentaire. Clim. Dyn. 2022 , 58 , 405–411. [ Google Scholar ] [ CrossRef ]
113. Scafetta, N.; West, BJ Signature solaire phénoménologique dans 400 ans d’enregistrements de température reconstitués dans l’hémisphère nord. Géophys. Res. Lett. 2006 , 33 , L17718. [ Google Scholar ] [ CrossRef ]
114. Lüning, S.; Vahrenholt, F. Contexte paléoclimatologique et niveau de référence des limites de température à long terme de 2 °C et 1,5 °C de l’Accord de Paris. Front. Earth Sci. 2017 , 5 , 104. [ Google Scholar ] [ CrossRef ]
115. Finsterle, W.; Montillet, JP; Schmutz, W.; Šikonja, R.; Kolar, L.; Treven, L. L’irradiance solaire totale pendant la période de minimum solaire récente mesurée par SOHO/VIRGO. Sci. Rep. 2021 , 11 , 7835. [ Google Scholar ] [ CrossRef ]
116. Wang, H.; Qi, J.; Li, H.; Fang, W. Résultats initiaux en vol : le moniteur d’irradiance solaire totale sur le satellite FY-3C, un instrument avec un système de pointage. Sol. Phys. 2016 , 292 , 9. [ Google Scholar ] [ CrossRef ]
117. Kopp, G. Faits saillants scientifiques et dernières mises à jour de 17 années de mesures de l’irradiance solaire totale à partir de l’expérience sur le rayonnement solaire et le climat/moniteur d’irradiance totale (SORCE/TIM). Sol. Phys. 2021 , 296 , 133. [ Google Scholar ] [ CrossRef ] [ PubMed ]
118. Harder, J.; Béland, S.; Penton, SV; Richard, E.; Weatherhead, E.; Araujo-Pradere, E. Comparaison des SIM SORCE et TSIS-1 : réconciliation de l’échelle d’irradiance absolue. Earth Space Sci. 2022 , 9 , e2021EA002122. [ Google Scholar ] [ CrossRef ]
119. Shapiro, AI; Schmutz, W.; Rozanov, E.; Schoell, M.; Haberreiter, M.; Shapiro, AV; Nyeki, S. Une nouvelle approche de la reconstruction à long terme de l’irradiance solaire conduit à un forçage solaire historique important. Astron. Astrophys. 2011 , 529 , A67. [ Google Scholar ] [ CrossRef ]
120. Shapiro, AI; Schmutz, W.; Cessateur, G.; Rozanov, E. La place du Soleil parmi les étoiles semblables au Soleil. Astron. Astrophys. 2013 , 552 , A114. [ Google Scholar ] [ CrossRef ]
121. Judge, PG; Lockwood, GW; Radick, RR; Henry, GW; Shapiro, AI; Schmutz, W.; Lindsey, C. Confrontation d’une reconstruction de l’irradiance solaire avec des données solaires et stellaires. Astron. Astrophys. 2012 , 544 , A88. [ Google Scholar ] [ CrossRef ]
122. Wu, C.-J.; Krivova, NA; Solanki, SK; Usoskin, IG Reconstruction de l’irradiance totale et spectrale solaire au cours des 9 000 dernières années. Astron. Astrophys. 2018 , 620 , A120. [ Google Scholar ] [ CrossRef ]
123. Reinhold, T.; Shapiro, AI; Solanki, SK; Montet, BT; Krivova, NA; Cameron, RH; Amazo-Gómez, EM Le Soleil est moins actif que les autres étoiles semblables au Soleil. Science 2020 , 368 , 518–521. [ Google Scholar ] [ CrossRef ]
124. Yeo, KL; Solanki, SK; Krivova, NA; Rempel, M.; Anusha, LS; Shapiro, AI; Tagirov, RV; Witzke, V. L’état le plus sombre du Soleil. Géophys. Res. Lett. 2020 , 47 , e2020GL090243. [ Google Scholar ] [ CrossRef ]
125. Zhang, J.; Shapiro, AI; Bi, S.; Xiang, M.; Reinhold, T.; Sowmya, K.; Li, Y.; Li, T.; Yu, J.; Du, M.; et al. Étoiles de type solaire observées par LAMOST et Kepler. Astrophys. J. Lett. 2020 , 894 , L11. [ Google Scholar ] [ CrossRef ]
126. Judge, PG; Egeland, R.; Henry, GW Des étoiles semblables au Soleil nous éclairent sur le forçage climatique solaire. Astrophys. J. 2020 , 891 , 96. [ Google Scholar ] [ CrossRef ]
127. Basri, G.; Walkowicz, LM; Reiners, A. Comparaison de la variabilité photométrique de Kepler avec le Soleil sur différentes échelles de temps. ApJ 2013 , 769 , 37. [ Google Scholar ] [ CrossRef ]
128. Montet, BT; Tovar, G.; Foreman-Mackey, D. Variabilité photométrique à long terme dans les images plein cadre de Kepler : cycles magnétiques des étoiles semblables au Soleil. Astrophys. J. 2017 , 851 , 116. [ Google Scholar ] [ CrossRef ]
129. Radick, RR; Lockwood, GW; Henry, GW; Hall, JC; Pevtsov, AA Modèles de variation pour le Soleil et les étoiles semblables au Soleil. ApJ 2018 , 855 , 75. [ Google Scholar ] [ CrossRef ]
130. Baum, AC; Wright, JT; Luhn, JK; Isaacson, H. Cinq décennies d’activité chromosphérique dans 59 étoiles semblables au Soleil et nouveau candidat au minimum de Maunder HD 166620. Astron. J. 2022 , 163 , 183. [ Google Scholar ] [ CrossRef ]
131. Brönnimann, S.; Allan, R.; Ashcroft, L.; Baer, ​​S.; Barriendos, M.; Brázdil, R.; Brugnara, Y.; Brunet, M.; Brunetti, M.; Chimani, B.; et al. Déverrouillage des enregistrements météorologiques instrumentaux antérieurs à 1850 : un inventaire mondial. Bull. Am. Meteorol. Soc. 2019 , 100 , ES389–ES413. [ Google Scholar ] [ CrossRef ]
132. Chimani, B.; Auer, I.; Prohom, M.; Nadbath, M.; Paul, A.; Rasol, D. Sauvetage de données dans certains pays en lien avec l’activité DARE d’EUMETNET. Geosci. Data J. 2022 , 9 , 187–200. [ Google Scholar ] [ CrossRef ]
133. Akasofu, S.-I. Sur la récupération après le petit âge glaciaire. Nat. Sci. 2010 , 2 , 1211–1224. [ Google Scholar ] [ CrossRef ]
134. Mazzarella, A.; Scafetta, N. Le Petit Âge glaciaire était 1,0–1,5 °C plus froid que la période chaude actuelle selon LOD et NAO. Clim. Dyn. 2018 , 51 , 3957–3968. [ Google Scholar ] [ CrossRef ]
135. Lüning, S.; Lengsfeld, P. Quelle est la fiabilité des reconstitutions de la température globale de l’ère chrétienne ? Earth 2022 , 3 , 401–408. [ Google Scholar ] [ CrossRef ]
136. Kent, EC; Kennedy, JJ; Smith, TM; Hirahara, S.; Huang, B.; Kaplan, A.; Parker, DE; Atkinson, CP; Berry, DI; Carella, G.; et al. Appel à de nouvelles approches pour quantifier les biais dans les observations de la température de surface de la mer. Bull. Am. Meteorol. Soc. 2017 , 98 , 1601–1616. [ Google Scholar ] [ CrossRef ]
137. Kent, EC; Kennedy, JJ; Berry, DI; Smith, RO Effets des changements d’instrumentation sur la température de surface de la mer mesurée in situ. WIREs Clim. Chang. 2010 , 1 , 718–728. [ Google Scholar ] [ CrossRef ]
138. Lindzen, RS; Choi, Y.-S. Sur la détermination observationnelle de la sensibilité climatique et ses implications. Asie-Pacifique. J. Atmos. Sci. 2011 , 47 , 377. [ Google Scholar ] [ CrossRef ]
139. Ziskin, S.; Shaviv, NJ Quantification du rôle du forçage radiatif solaire au cours du 20e siècle. Adv. Space Res. 2012 , 50 , 762–776. [ Google Scholar ] [ CrossRef ]
140. Harde, H. Modèle climatique avancé à deux couches pour l’évaluation du réchauffement climatique dû au CO ₂ . Open J. Atm. Clim. Chang. 2014 , 1 , 1–50. [ Google Scholar ] [ CrossRef ]
141. Harde, H. Calculs de transfert de rayonnement et évaluation du réchauffement climatique dû au CO ₂ . Int. J. Atmos. Sci. 2017 , 2017 , 9251034. [ Google Scholar ] [ CrossRef ]
142. Spencer, RW; Braswell, WD Le rôle de l’ENSO dans les changements de température globale des océans entre 1955 et 2011 simulés à l’aide d’un modèle climatique 1D. Asie-Pacifique. J. Atmos. Sci. 2014 , 50 , 229–237. [ Google Scholar ] [ CrossRef ]
143. Monckton, C.; Soon, WW-H.; Legates, DR; Briggs, WM Pourquoi les modèles chauffent : résultats d’un modèle climatique irréductiblement simple. Sci. Bull. 2015 , 60 , 122–135. [ Google Scholar ] [ CrossRef ]
144. Bates, JR Estimation de la sensibilité climatique à l’aide de modèles de bilan énergétique à deux zones. Earth Space Sci. 2016 , 3 , 207–225. [ Google Scholar ] [ CrossRef ]
145. Gervais, F. Le réchauffement climatique anthropique dû au CO2 _mis à mal par un cycle de 60 ans. Earth-Sci. Rev. 2016 , 155 , 129–135. [ Google Scholar ] [ CrossRef ]
146. Christy, JR; McNider, RT Températures troposphériques globales par satellite comme mesure de la sensibilité climatique. Asie-Pacifique. J. Atmos. Sci. 2017 , 53 , 511–518. [ Google Scholar ] [ CrossRef ]
147. Lewis, N.; Curry, J. L’impact des données récentes sur le forçage et l’absorption de chaleur des océans sur les estimations de la sensibilité climatique. J. Clim. 2018 , 31 , 6051–6071. [ Google Scholar ] [ CrossRef ]
148. Connolly, R.; Connolly, M.; Carter, RM; Soon, W. À quel niveau de réchauffement climatique d’origine humaine devons-nous nous attendre si les politiques climatiques restent inchangées ? Une évaluation semi-empirique. Energies 2020 , 13 , 1365. [ Google Scholar ] [ CrossRef ]
149. van Loon, H.; Brown, J.; Milliff, Tendances RF dans les taches solaires et la pression au niveau de la mer dans l’Atlantique Nord. J. Geophys. Res. Atmos. 2012 , 117 , D07106. [ Google Scholar ] [ CrossRef ]
150. Roy, I. Le rôle du Soleil dans le couplage atmosphère-océan. Int. J. Climatol. 2014 , 34 , 655–677. [ Google Scholar ] [ CrossRef ]
151. Kilifarska, NA Influence solaire bidécennale sur le climat, médiée par l’ozone proche de la tropopause. J. Atmos. Sol. Terr. Phys. 2015 , 136 , 216–230. [ Google Scholar ] [ CrossRef ]
152. Lüning, S. ; Vahrenholt, F. Chapitre 16 — Le rôle du soleil dans le climat. Dans Evidence-Based Climate Science , 2e éd. ; Easterbrook, DJ, éd. ; Elsevier : Amsterdam, Pays-Bas, 2016 ; pp. 283–305. ISBN 978-0-12-804588-6. [ Google Scholar ]
153. Scafetta, N.; Milani, F.; Bianchini, A.; Ortolani, S. Sur l’origine astronomique de l’oscillation de Hallstatt trouvée dans les enregistrements radiocarbone et climatique tout au long de l’Holocène. Earth-Sci. Rev. 2016 , 162 , 24–43. [ Google Scholar ] [ CrossRef ]
154. Ogurtsov, MG; Veretenenko, SV Contribution possible des variations du flux de rayons cosmiques galactiques à l’augmentation de la température mondiale au cours des dernières décennies. Géomagn. Aeron. 2017 , 57 , 886–890. [ Google Scholar ] [ CrossRef ]
155. Cionco, RG; Soon, WW-H. Forçage orbital à court terme : une quasi-revue et une réévaluation des conditions limites réalistes pour la modélisation climatique. Earth-Sci. Rev. 2017 , 166 , 206–222. [ Google Scholar ] [ CrossRef ]
156. Smolkov, GY Les changements naturels des relations Soleil-Terre. Adv. Res. Astrophys. 2018 , 3 , 205–217. [ Google Scholar ] [ CrossRef ]
157. Fedorov, VM Variation de l’insolation terrestre et son intégration dans les modèles climatiques physiques et mathématiques. Phys. Usp. 2019 , 62 , 32. [ Google Scholar ] [ CrossRef ]
158. Le Mouël, J.-L.; Lopes, F.; Courtillot, V. Une signature solaire dans de nombreux indices climatiques. J. Geophys. Res. Atmos. 2019 , 124 , 2600–2619. [ Google Scholar ] [ CrossRef ]
159. Veretenenko, S.; Ogurtsov, M. Manifestation et raisons possibles des oscillations d’environ 60 ans dans les liens solaires-atmosphères. Adv. Space Res. 2019 , 64 , 104–116. [ Google Scholar ] [ CrossRef ]
160. Roy, I. La variabilité cyclique solaire peut moduler le climat hivernal de l’Arctique. Sci. Rep. 2018 , 8 , 4864. [ Google Scholar ] [ CrossRef ] [ PubMed ]
161. Roy, I. Variabilité climatique et activité des taches solaires : analyse de l’influence solaire sur le climat ; Springer Atmospheric Sciences ; Springer International Publishing : Cham, Suisse, 2018 ; ISBN 978-3-319-77106-9. [ Google Scholar ]
162. Cionco, RG ; Kudryavtsev, SM ; Soon, WW-H. Origine possible de certaines périodicités détectées dans les études solaires-terrestres : les mouvements orbitaux de la Terre. Earth Space Sci. 2021 , 8 , e2021EA001805. [ Google Scholar ] [ CrossRef ]
163. Fedorov, VM; Frolov, DM; Velasco Herrera, VMN; Soon, WW-H.; Cionco, RG Rôle du facteur de rayonnement dans les événements climatiques mondiaux de la fin de l’Holocène. Izv. Atmos. Océan. Phys. 2021 , 57 , 1239–1253. [ Google Scholar ] [ CrossRef ]
164. Solheim, J.-E.; Falk-Petersen, S.; Humlum, O.; Mö, NA Évolution des positions des bords de glace de la mer de Barents au cours des 442 dernières années. Partie 2 : Soleil, Lune et planètes. Int. J. Astron. Astrophys. 2021 , 11 , 279–341. [ Google Scholar ] [ CrossRef ]
165. Svensmark, H.; Svensmark, J.; Enghoff, MB; Shaviv, NJ Ionisation atmosphérique et forçage radiatif des nuages. Sci. Rep. 2021 , 11 , 19668. [ Google Scholar ] [ CrossRef ]
166. Ogurtsov, M. Périodicités décennales et bidécennales de la température dans le sud de la Scandinavie : manifestations de la variabilité naturelle ou réponse climatique aux cycles solaires ? Atmosphère 2021 , 12 , 676. [ Google Scholar ] [ CrossRef ]
167. Scafetta, N.; Bianchini, A. Aperçu de la cohérence spectrale entre les résonances planétaires et les oscillations solaires et climatiques. Climate 2023 , 11 , 77. [ Google Scholar ] [ CrossRef ]
168. Shaviv, NJ; Svensmark, H.; Veizer, J. Le climat phanérozoïque. Ann. NY Acad. Sci. 2023 , 1519 , 7–19. [ Google Scholar ] [ CrossRef ] [ PubMed ]
169. Le Mouël, JL; Lopes, F.; Courtillot, V. Échelles temporelles caractéristiques des variations décennales à centennales des températures de surface mondiales au cours des 150 dernières années. Earth Space Sci. 2020 , 7 , e2019EA000671. [ Google Scholar ] [ CrossRef ]
170. Le Mouël, JL; Lopes, F.; Courtillot, V. Réponse au commentaire sur l’article « Characteristic Time Scales of Decadal to Centennial Changes in Global Surface Temperatures Over the Past 150 Years » de Y. Cuypers, F. Codron et M. Crepon. Earth Space Sci. 2020 , 8 , e2020EA001421. [ Google Scholar ] [ CrossRef ]
171. Lindzen, RS; Giannitsis, C. Sur les implications climatiques du refroidissement volcanique. J. Geophys. Res. Atmos. 1998 , 103 , 5929–5941. [ Google Scholar ] [ CrossRef ]
172. Cionco, RG; Soon, WW-H.; Quaranta, NE Sur le calcul des gradients d’insolation latitudinaux tout au long de l’Holocène. Adv. Space Res. 2020 , 66 , 720–742. [ Google Scholar ] [ CrossRef ]
173. Fedorov, VM Le problème du transport de chaleur méridienne dans la théorie astronomique du climat. Izv. Atmos. Océan. Phys. 2019 , 55 , 1572–1583. [ Google Scholar ] [ CrossRef ]
174. Davis, BAS; Brewer, S. Une approche unifiée du forçage orbital, solaire et lunaire basée sur le gradient d’insolation/température latitudinal de la Terre. Quat. Sci. Rev. 2011 , 30 , 1861–1874. [ Google Scholar ] [ CrossRef ]
175. Lopes, F.; Courtillot, V.; Gibert, D.; Le Mouël, J.-L. Extension de la portée des cycles de Milankovic et des variations de température globales qui en résultent à des périodes plus courtes (de 1 à 100 ans). Géosciences 2022 , 12 , 448. [ Google Scholar ] [ CrossRef ]
176. Cionco, RG; Valentini, JE; Quaranta, NE; Soon, WW-H. Empreintes lunaires dans le rayonnement solaire entrant modulé : l’insolation in situ et les gradients d’insolation latitudinaux comme deux mesures interprétatives importantes pour les enregistrements de données paléoclimatiques et la modélisation théorique du climat. New Astron. 2018 , 58 , 96–106. [ Google Scholar ] [ CrossRef ]
177. Wyatt, MG; Curry, JA Rôle de la banquise arctique eurasienne dans un signal climatique hémisphérique à variation séculaire au cours du XXe siècle. Clim. Dyn. 2014 , 42 , 2763–2782. [ Google Scholar ] [ CrossRef ]
178. Kravtsov, S.; Grimm, C.; Gu, S. Variabilité multidécennale à l’échelle mondiale manquante dans les modèles climatiques de pointe. npj Clim. Atmos. Sci. 2018 , 1 , 34. [ Google Scholar ] [ CrossRef ]
179. Goode, PR; Pallé, E.; Shoumko, A.; Shoumko, S.; Montañes-Rodriguez, P.; Koonin, SE Albédo de la Terre 1998-2017 mesuré à partir de la lumière cendrée. Géophys. Res. Lett. 2021 , 48 , e2021GL094888. [ Google Scholar ] [ CrossRef ]
180. Lindzen, RS; Choi, Y.-S. L’effet Iris : une revue. Asie-Pacifique. J. Atmos. Sci. 2022 , 58 , 159–168. [ Google Scholar ] [ CrossRef ]
181. Tanaka, HL; Tamura, M. Relation entre l’oscillation arctique et la température de l’air en surface à l’échelle de temps multidécennale. Polar Sci. 2016 , 10 , 199–209. [ Google Scholar ] [ CrossRef ]
182. Ueno, Y.; Hyodo, M.; Yang, T.; Katoh, S. Intensification de la mousson hivernale d’Asie de l’Est pendant la dernière transition d’inversion géomagnétique. Sci. Rep. 2019 , 9 , 9389. [ Google Scholar ] [ CrossRef ]
183. Scafetta, N.; Milani, F.; Bianchini, A. Un cycle de 60 ans dans la fréquence de chute des météorites suggère un possible forçage du climat terrestre par la poussière interplanétaire, entraîné par les oscillations planétaires. Géophys. Res. Lett. 2020 , 47 , e2020GL089954. [ Google Scholar ] [ CrossRef ]
184. Akasofu, SI; Tanaka, HL Sur l’importance des composantes naturelles dans l’étude du changement climatique : l’augmentation de la température dans l’étude du changement climatique. Phys. Astron. Int. J. 2021 , 5 , 73–76. [ Google Scholar ] [ CrossRef ]
185. Pallé, E.; Butler, CJ Enregistrements solaires d’Irlande : facteurs de nuages ​​et liens possibles avec l’activité solaire et les rayons cosmiques. Int. J. Climatol. 2001 , 21 , 709–729. [ Google Scholar ] [ CrossRef ]
186. Stanhill, G. ; Cohen, S. Évolution du rayonnement solaire au Japon au cours du XXe siècle : données issues des mesures de la durée d’ensoleillement. J. Meteorol. Soc. Japon. Ser. II 2008 , 86 , 57–67. [ Google Scholar ] [ CrossRef ]
187. Wang, Y.; Wild, M.; Sanchez-Lorenzo, A.; Manara, V. Effet de l’urbanisation sur les tendances de la durée d’ensoleillement en Chine. Ann. Geophys. 2017 , 35 , 839–851. [ Google Scholar ] [ CrossRef ]
188. He, Y.; Wang, K.; Zhou, C.; Wild, M. Une révision de l’assombrissement et de l’éclaircissement globaux en fonction de la durée d’ensoleillement. Geophys. Res. Lett. 2018 , 45 , 4281–4289. [ Google Scholar ] [ CrossRef ]