Radiosonde‐Derived Temperature Inversions and Their Association With Fog Over 37 Melt Seasons in East Greenland
Notice bibliographique
Résumé
Abstract We present temperature inversion characteristics during fog and nonfog conditions at three east Greenland coastal weather stations during Arctic melt seasons 1980–2016. For this purpose, we developed a novel automated method to extract fog‐top height (FTH) from Integrated Global Radiosonde Archive data, which is applicable to any fog thermodynamic profile and includes an improved interpolation of saturation between sounding levels. From the analysis of >22,000 melt‐season soundings we conclude that inversions occur 85–95% of the time, are predominantly elevated, and have median depths >200 m. Fog at high‐Arctic locations often penetrates the inversion layer, especially in the late melt season, and is commonly several hundred meters thick. At low‐Arctic locations fog is thinner and generally restricted to the mixed layer. Inversions during fog are deeper and stronger compared to nonfog conditions. This effect is more pronounced at higher latitudes, which we attribute to distinct local boundary layer conditions and large‐scale processes. The Integrated Global Radiosonde Archive‐extracted FTHs have a cumulative error of 56 m and are in reasonable agreement with retrievals from Cloud‐Aerosol Lidar and Infrared Pathfinder Satellite Observation satellite cloud top data. The novel FTH extraction method can be applied to any polar sounding with >5 significant levels below 700 hPa and can be extended to boundary layer clouds other than fog, which represent the majority of cloud occurrence in the Arctic melt season. This study advances the understanding of interactions between low clouds and temperature inversions and improves retrieval of cloud geometrical thickness from radiosondes: both have important implications for the Arctic surface energy budget.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».