A Raman Lidar Tropospheric Water Vapour Climatology and Height-Resolved Trend Analysis over Payerne Switzerland
Notice bibliographique
Résumé
Abstract. Water vapour is the strongest greenhouse gas in our atmosphere and its strength and its dependence on temperature leads to a strong feedback mechanism in both the troposphere and the stratosphere. Raman water vapour lidars can be used to make high vertical resolution measurements, on the order of 10s of meters, making height-resolved trend analyses possible. Raman water vapour lidars have not typically been used for trends analyses, primarily due to the lack of long enough time series. However, the RAman Lidar for Meteorological Observations (RALMO), located in Payerne, Switzerland, is capable of making operational water vapour measurements and has one of the longest ground-based and well-characterized data sets available. We have calculated a 11.5-year water vapour climatology using RALMO measurements in the troposphere. Our study uses nighttime measurements during mostly clear conditions, which creates a natural selection bias. We have also calculated the geophysical variability of water vapour. The climatology shows that the highest water vapour specific humidity concentrations are in the summer months, and the lowest in the winter months. The percent variability of water vapour in the free troposphere is larger than of the boundary layer. We have also determined water vapour trends from 2009–2019. We first calculate precipitable water vapour trends for comparison with the majority of water vapour trend studies. We detect a precipitable water vapour trend of 2.1 mm/decade using RALMO measurements, which is significant at the 90 % level. The trend is consistent with a 1.38 °C/decade surface temperature trend detected by coincident radiosonde measurements under the assumption that relative humidity remains constant;however, it is larger than previous water vapour trend values. For the first time, we show height-resolved increases in water vapour through the troposphere. We detect positive tropospheric water vapour trends ranging from 5% change in specific humidity per decade to 15% specific humidity per decade depending on the altitude. The water vapour trends at 5 layers are statistically significant at or above the 90% level.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».