Biases of Global Tropopause Altitude Products in Reanalyses and Implications for Estimates of Tropospheric Column Ozone
Notice bibliographique
Résumé
Accuracy of global tropopause altitude products from reanalyses is important to applications of the products, including the derivation of tropospheric column ozone (TCO). Here, monthly biases in lapse-rate tropopause pressure (PLRT) in two reanalyses, NCEP/NCAR and MERRA-2, and associated implications for estimating TCO are examined, based on global radiosonde observations over 1980–2017 at 689 stations. Our analysis suggests that the global mean PLRT is underestimated by −2.3 hPa in NCEP/NCAR and by −0.9 hPa in MERRA-2, mainly attributable to large negative biases around the subtropics (~20°–50°) in both hemispheres, with generally positive biases at other latitudes. Overall, NCEP/NCAR outperforms MERRA-2 in the Northern Hemisphere but underperforms MERRA-2 in the Southern Hemisphere. PLRT biases in the two reanalyses vary more evidently with latitude than with longitude. From winter to summer, the peaks of negative PLRT biases around the subtropics shift poleward by ~10°. Approximately, 70% of the reanalysis PLRT biases are within −10–10 hPa. Consequently, a negative (positive) PLRT bias induces a positive (negative) TCO bias. In absolute magnitude, the mean ozonesonde TCO bias attributable to PLRT biases is ~0.2, ~0.8 and ~1.2 Dobson Units (DU) if a PLRT bias is within 0–5, 10–15, and 10–15 hPa. Using a global ozone climatology, we estimate that the global mean bias in TCO induced by the PLRT biases in both reanalyses is positive, being 0.64 DU (or 2.2%) for NCEP/NCAR and 0.28 DU (or 1.1%) for MERRA-2.
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 | 0,001 |
| 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) | 0,000 | 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 ».