Temperature and tropopause characteristics from reanalyses data in the tropical tropopause layer
Notice bibliographique
Résumé
The tropical tropopause layer (TTL) is the transition region between the well-mixed convective troposphere and the radiatively controlled stratosphere with air masses showing chemical and dynamical properties of both regions. The representation of the TTL in meteorological reanalysis data sets is important for studying the complex interactions of circulation, convection, trace gases, clouds, and radiation. In this paper, we present the evaluation of climatological and long-term TTL temperature and tropopause characteristics in the reanalysis data sets ERA-Interim, ERA5, JRA-25, JRA-55, MERRA, MERRA-2, NCEP-NCAR (R1), and CFSR. The evaluation has been performed as part of the SPARC (Stratosphere–troposphere Processes and their Role in Climate) Reanalysis Intercomparison Project (S-RIP). The most recent atmospheric reanalysis data sets (ERA-Interim, ERA5, JRA-55, MERRA-2, and CFSR) all provide realistic representations of the major characteristics of the temperature structure within the TTL. There is good agreement between reanalysis estimates of tropical mean temperatures and radio occultation data, with relatively small cold biases for most data sets. Temperatures at the cold point and lapse rate tropopause levels, on the other hand, show warm biases in reanalyses when compared to observations. This tropopause-level warm bias is related to the vertical resolution of the reanalysis data, with the smallest bias found for data sets with the highest vertical resolution around the tropopause. Differences in the cold point temperature maximize over equatorial Africa, related to Kelvin wave activity and associated disturbances in TTL temperatures. Interannual variability in reanalysis temperatures is best constrained in the upper TTL, with larger differences at levels below the cold point. The reanalyses reproduce the temperature responses to major dynamical and radiative signals such as volcanic eruptions and the quasi-biennial oscillation (QBO). Long-term reanalysis trends in temperature in the upper TTL show good agreement with trends derived from adjusted radiosonde data sets indicating significant stratospheric cooling of around −0.5 to −1 K per decade. At 100 hPa and the cold point, most of the reanalyses suggest small but significant cooling trends of −0.3 to −0.6 K per decade that are statistically consistent with trends based on the adjusted radiosonde data sets. Advances of the reanalysis and observational systems over the last decades have led to a clear improvement in the TTL reanalysis products over time. Biases of the temperature profiles and differences in interannual variability clearly decreased in 2006, when densely sampled radio occultation data started being assimilated by the reanalyses. While there is an overall good agreement, different reanalyses offer different advantages in the TTL such as realistic profile and cold point temperature, continuous time series, or a realistic representation of signals of interannual variability. Their use in model simulations and in comparisons with climate model output should be tailored to their specific strengths and weaknesses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».