MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200370453 · doi:10.5194/dach2022-81

Long-term changes in mesospheric wind and wave estimates based on radar observations in both hemispheres

2021· preprint· en· W4200370453 sur OpenAlexaff
Aleš Kuchař, Gunter Stober, Christoph Jacobi, Dimitry Pokhotelov, Huxin Liu, Kathrin Baumgarten, Peter Brown, Diego Janches, D. J. Murphy, Alexander Kozlovsky, M. Lester, Evgenia Belova, Johan Kero, N. J. Mitchell, Tracy Motffat-Griffin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésThermosphereAtmospheric sciencesMesosphereMeteorologyStratospherePhysicsIonosphere

Résumé

récupéré en direct d'OpenAlex

Several studies (Banerjee et al. (2020) and before that Sun et al. (2014)) found a trend reversal between winter and summer circulation in the southern hemisphere around 2000 in the middle atmosphere. One may argue that the negative trend after 2000 is due to the CO2-induced change in stratospheric dynamics. However, Ramesh et al. (2020), using the newest WACCM6 simulation and a multiple linear regression model, confirmed that the negative trend in the stratosphere after 2000 can be attributed to ozone recovery. Here we investigate how stratospheric trends relate to trends in the mesosphere and lower thermosphere (MLT) dynamics. Using the adaptive spectral filtering (ASF) method (Stober et al., 2021), we study long-term changes in mesospheric wind and planetary and gravity wave estimates of meteor radar stations in the northern (NH: Collm, Kiruna, Sodankyla, CMOR) and southern (SH: Rio Grande, Davis, Rothera) hemisphere, respectively, for the altitude range of 80–100 km. Linear trends have been estimated (from monthly means calculated from the preprocessed original data using ASF) by the Theil–Sen estimator (Theil, 1950; Sen, 1968). The robustness of our fitting method is assessed in terms of spurious trends due to, e.g., high autocorrelation of relatively short time series. The long-term changes are validated in two whole-atmosphere models, namely, GAIA and WACCMX-SD (both nudged in the stratosphere). While both models reveal issues reproducing basic climatology in the mesosphere, GAIA fairly reproduces the trends captured by the meteor radars. Finally, we conclude that the ozone recovery effects in the SH stratosphere influence the dynamics in MLT via gravity wave coupling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,237
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric Ozone and Climate→Travaux en français237 207→