Longitudinal Variation of the Lunar Tide in the Equatorial Electrojet
Notice bibliographique
Résumé
Abstract The atmospheric lunar tide is one known source of ionospheric variability. The subject received renewed attention as recent studies found a link between stratospheric sudden warmings and amplified lunar tidal perturbations in the equatorial ionosphere. There is increasing evidence from ground observations that the lunar tidal influence on the ionosphere depends on longitude. We use magnetic field measurements from the CHAMP satellite during July 2000 to September 2010 and from the two Swarm satellites during November 2013 to February 2017 to determine, for the first time, the complete seasonal‐longitudinal climatology of the semidiurnal lunar tidal variation in the equatorial electrojet intensity. Significant longitudinal variability is found in the amplitude of the lunar tidal variation, while the longitudinal variability in the phase is small. The amplitude peaks in the Peruvian sector (∼285°E) during the Northern Hemisphere winter and equinoxes, and in the Brazilian sector (∼325°E) during the Northern Hemisphere summer. There are also local amplitude maxima at ∼55°E and ∼120°E. The longitudinal variation is partly due to the modulation of ionospheric conductivities by the inhomogeneous geomagnetic field. Another possible cause of the longitudinal variability is neutral wind forcing by nonmigrating lunar tides. A tidal spectrum analysis of the semidiurnal lunar tidal variation in the equatorial electrojet reveals the dominance of the westward propagating mode with zonal wave number 2 (SW2), with secondary contributions by westward propagating modes with zonal wave numbers 3 (SW3) and 4 (SW4). Eastward propagating waves are largely absent from the tidal spectrum. Further study will be required for the relative importance of ionospheric conductivities and nonmigrating lunar tides.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».