Comparison of seasonal surface temperature trend, spatial variability, and elevation dependency from satellite-derived products and numerical simulations over the Tibetan Plateau from 2003 to 2011
Notice bibliographique
Résumé
Land surface temperature (LST) and near-surface air temperature products have been commonly used in the studies of global climate change. In this work, we compare satellite-observed LST from Advanced Along-Track Scanning Radiometer (AATSR) and surface skin temperature and 2 m air temperature (T2) simulated from High Asian Refined analysis (HAR) to provide an independent overview of the surface/air temperature trend over Tibetan Plateau (TP) region in 2003–2011. We investigate the seasonal trend, spatial variability, and the elevation dependency of LST and air temperature over TP for the last decade. Linear regression method is applied to all data sets to illustrate the warming and cooling trends and variability of temperature over the study area. Our analysis shows that an overall warming slope is 0.04 K year–1 in the day trend and 0.05 K year–1 in the night and the trend slope is stronger in the simulated HAR data sets than that in the AATSR LST, especially for the night air temperature. However, in regions with elevation above 4000 m, the proportion of areas with the warming trend is less than 50% except in autumn from HAR data sets. The Namco and Qomolangma sites show an apparent trend of warming and cooling, respectively. The results from both satellite observations and numerical outputs show that warming trend over the entire TP was not obvious during last decade and the cooling trend was even found in the northeast TP.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».