Tropospheric transport climate partitioned by surface origin and transit time
Notice bibliographique
Résumé
We perform the first analysis of tropospheric transport using the global boundary propagator Green function, ��, which partitions air at every point and time according to both the transit time since last surface contact and the location of that contact. We compute �� for a 3‐year period with the MATCH model driven by NCEP reanalyses. Last contact time is resolved in 3‐d intervals, and last‐contact location is resolved with a global tiling of 41 patches concentrated in the Northern Hemisphere. The transport climate is quantified for four midlatitude receptor regions in terms of the seasonal mean surface‐origin and transit‐time partitioning of the column burden, the surface flux of newly arriving air, and the distribution of air mass in transit from source to receptor surface. At long transit times a nearly receptor‐independent pattern of last‐contact location is governed by where air is injected into the upper troposphere by deep convection and the high terrain of Tibet. The receptor origin composition of the column burden changes only slowly after ∼40 d for winter and fall, while the composition of the flux onto the receptor continues to change at ∼60 d. European and SE Asian air contribute comparably to the flux onto eastern North America, in spite of SE Asian air having the dominant burden. The flux of European air onto SE Asia in winter and fall is larger than the flux of SE Asian air onto Europe. The surface‐to‐surface transport mass distribution, ℛ, is used to identify transit‐time‐dependent source‐receptor teleconnections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».