Abstract Processes in the climate system that can either amplify or dampen the climate response to an external perturbation are referred to as climate feedbacks. Climate sensitivity estimates depend critically on radiative feedbacks associated with water vapor, lapse rate, clouds, snow, and sea ice, and global estimates of these feedbacks differ among general circulation models. By reviewing recent observational, numerical, and theoretical studies, this paper shows that there has been progress since the Third Assessment Report of the Intergovernmental Panel on Climate Change in (i) the understanding of the physical mechanisms involved in these feedbacks, (ii) the interpretation of intermodel differences in global estimates of these feedbacks, and (iii) the development of methodologies of evaluation of these feedbacks (or of some components) using observations. This suggests that continuing developments in climate feedback research will progressively help make it possible to constrain the GCMs’ range of climate feedbacks and climate sensitivity through an ensemble of diagnostics based on physical understanding and observations.

We describe a new method for evaluating the radiative forcing, the climate feedback parameter (W m −2 K −1 ) and hence the effective climate sensitivity from any GCM experiment in which the climate is responding to a constant forcing. The method is simply to regress the top of atmosphere radiative flux against the global average surface air temperature change. This method does not require special integrations or off‐line estimates, such as for stratospheric adjustment, to obtain the forcing, and eliminates the need for double radiation calculations and tropopause radiative fluxes. We show that for CO 2 and solar forcing in a slab model and an AOGCM the method gives results consistent with those obtained by conventional methods. For a single integration it is less precise but since it does not require a steady state to be reached its precision could be improved by running an ensemble of short integrations.

Abstract. We describe the HadGEM2 family of climate configurations of the Met Office Unified Model, MetUM. The concept of a model "family" comprises a range of specific model configurations incorporating different levels of complexity but with a common physical framework. The HadGEM2 family of configurations includes atmosphere and ocean components, with and without a vertical extension to include a well-resolved stratosphere, and an Earth-System (ES) component which includes dynamic vegetation, ocean biology and atmospheric chemistry. The HadGEM2 physical model includes improvements designed to address specific systematic errors encountered in the previous climate configuration, HadGEM1, namely Northern Hemisphere continental temperature biases and tropical sea surface temperature biases and poor variability. Targeting these biases was crucial in order that the ES configuration could represent important biogeochemical climate feedbacks. Detailed descriptions and evaluations of particular HadGEM2 family members are included in a number of other publications, and the discussion here is limited to a summary of the overall performance using a set of model metrics which compare the way in which the various configurations simulate present-day climate and its variability.

Abstract. The scientific understanding of the Earth's climate system, including the central question of how the climate system is likely to respond to human-induced perturbations, is comprehensively captured in GCMs and Earth System Models (ESM). Diagnosing the simulated climate response, and comparing responses across different models, is crucially dependent on transparent assumptions of how the GCM/ESM has been driven – especially because the implementation can involve subjective decisions and may differ between modelling groups performing the same experiment. This paper outlines the climate forcings and setup of the Met Office Hadley Centre ESM, HadGEM2-ES for the CMIP5 set of centennial experiments. We document the prescribed greenhouse gas concentrations, aerosol precursors, stratospheric and tropospheric ozone assumptions, as well as implementation of land-use change and natural forcings for the HadGEM2-ES historical and future experiments following the Representative Concentration Pathways. In addition, we provide details of how HadGEM2-ES ensemble members were initialised from the control run and how the palaeoclimate and AMIP experiments, as well as the "emission-driven" RCP experiments were performed.

Abstract A new coupled general circulation climate model developed at the Met Office's Hadley Centre is presented, and aspects of its performance in climate simulations run for the Intergovernmental Panel on Climate Change Fourth Assessment Report (IPCC AR4) documented with reference to previous models. The Hadley Centre Global Environmental Model version 1 (HadGEM1) is built around a new atmospheric dynamical core; uses higher resolution than the previous Hadley Centre model, HadCM3; and contains several improvements in its formulation including interactive atmospheric aerosols (sulphate, black carbon, biomass burning, and sea salt) plus their direct and indirect effects. The ocean component also has higher resolution and incorporates a sea ice component more advanced than HadCM3 in terms of both dynamics and thermodynamics. HadGEM1 thus permits experiments including some interactive processes not feasible with HadCM3. The simulation of present-day mean climate in HadGEM1 is significantly better overall in comparison to HadCM3, although some deficiencies exist in the simulation of tropical climate and El Niño variability. We quantify the overall improvement using a quasi-objective climate index encompassing a range of atmospheric, oceanic, and sea ice variables. It arises partly from higher resolution but also from greater fidelity in modeling dynamical and physical processes, for example, in the representation of clouds and sea ice. HadGEM1 has a similar effective climate sensitivity (2.8 K) to a CO2 doubling as HadCM3 (3.1 K), although there are significant regional differences in their response patterns, especially in the Tropics. HadGEM1 is anticipated to be used as the basis both for higher-resolution and higher-complexity Earth System studies in the near future.

Using a coupled atmosphere/ocean general circulation model, we have simulated the climatic response to natural and anthropogenic forcings from 1860 to 1997. The model, HadCM3, requires no flux adjustment and has an interactive sulphur cycle, a simple parameterization of the effect of aerosols on cloud albedo (first indirect effect), and a radiation scheme that allows explicit representation of well‐mixed greenhouse gases. Simulations were carried out in which the model was forced with changes in natural forcings (solar irradiance and stratospheric aerosol due to explosive volcanic eruptions), well‐mixed greenhouse gases alone, tropospheric anthropogenic forcings (tropospheric ozone, well‐mixed greenhouse gases, and the direct and first indirect effects of sulphate aerosol), and anthropogenic forcings (tropospheric anthropogenic forcings and stratospheric ozone decline). Using an “optimal detection” methodology to examine temperature changes near the surface and throughout the free atmosphere, we find that we can detect the effects of changes in well‐mixed greenhouse gases, other anthropogenic forcings (mainly the effects of sulphate aerosols on cloud albedo), and natural forcings. Thus these have all had a significant impact on temperature. We estimate the linear trend in global mean near‐surface temperature from well‐mixed greenhouse gases to be 0.9 ± 0.24 K/century, offset by cooling from other anthropogenic forcings of 0.4 ± 0.26 K/century, giving a total anthropogenic warming trend of 0.5 ± 0.15 K/century. Over the entire century, natural forcings give a linear trend close to zero. We found no evidence that simulated changes in near‐surface temperature due to anthropogenic forcings were in error. However, the simulated tropospheric response, since the 1960s, is ∼50% too large. Our analysis suggests that the early twentieth century warming can best be explained by a combination of warming due to increases in greenhouse gases and natural forcing, some cooling due to other anthropogenic forcings, and a substantial, but not implausible, contribution from internal variability. In the second half of the century we find that the warming is largely caused by changes in greenhouse gases, with changes in sulphates and, perhaps, volcanic aerosol offsetting approximately one third of the warming. Warming in the troposphere, since the 1960s, is probably mainly due to anthropogenic forcings, with a negligible contribution from natural forcings.

Global and local feedback analysis techniques have been applied to two ensembles of mixed layer equilibrium CO2 doubling climate change experiments, from the CFMIP (Cloud Feedback Model Intercomparison Project) and QUMP (Quantifying Uncertainty in Model Predictions) projects. Neither of these new ensembles shows evidence of a statistically significant change in the ensemble mean or variance in global mean climate sensitivity when compared with the results from the mixed layer models quoted in the Third Assessment Report of the IPCC. Global mean feedback analysis of these two ensembles confirms the large contribution made by inter-model differences in cloud feedbacks to those in climate sensitivity in earlier studies; net cloud feedbacks are responsible for 66% of the inter-model variance in the total feedback in the CFMIP ensemble and 85% in the QUMP ensemble. The ensemble mean global feedback components are all statistically indistinguishable between the two ensembles, except for the clear-sky shortwave feedback which is stronger in the CFMIP ensemble. While ensemble variances of the shortwave cloud feedback and both clear-sky feedback terms are larger in CFMIP, there is considerable overlap in the cloud feedback ranges; QUMP spans 80% or more of the CFMIP ranges in longwave and shortwave cloud feedback. We introduce a local cloud feedback classification system which distinguishes different types of cloud feedbacks on the basis of the relative strengths of their longwave and shortwave components, and interpret these in terms of responses of different cloud types diagnosed by the International Satellite Cloud Climatology Project simulator. In the CFMIP ensemble, areas where low-top cloud changes constitute the largest cloud response are responsible for 59% of the contribution from cloud feedback to the variance in the total feedback. A similar figure is found for the QUMP ensemble. Areas of positive low cloud feedback (associated with reductions in low level cloud amount) contribute most to this figure in the CFMIP ensemble, while areas of negative cloud feedback (associated with increases in low level cloud amount and optical thickness) contribute most in QUMP. Classes associated with high-top cloud feedbacks are responsible for 33 and 20% of the cloud feedback contribution in CFMIP and QUMP, respectively, while classes where no particular cloud type stands out are responsible for 8 and 21%.