MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400549714 · doi:10.5194/acp-24-7927-2024

Exploring ozone variability in the upper troposphere and lower stratosphere using dynamical coordinates

2024· article· en· W4400549714 sur OpenAlexaff
Luis Millán, Peter Hoor, Michaela I. Hegglin, G. L. Manney, Harald Boenisch, Paul S. Jeffery, Daniel Kunkel, Irina Petropavlovskikh, Hao Ye, Thierry Leblanc, Kaley A. Walker

Notice bibliographique

RevueAtmospheric chemistry and physics · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensUniversity of Toronto
Organismes subventionnairesInternational Space Science Institute
Mots-clésStratosphereTropopauseTroposphereAtmospheric sciencesExtratropical cycloneEnvironmental scienceLatitudeClimatologyAltitude (triangle)Geology

Résumé

récupéré en direct d'OpenAlex

Ozone trends in the upper troposphere and lower stratosphere (UTLS) remain highly uncertain because of sharp spatial gradients and high variability caused by competing transport, chemical, and mixing processes near the upper-tropospheric jets and extratropical tropopause as well as inhomogeneous spatially and temporally limited observations of the region. Subtropical jets and the tropopause act as transport barriers, delineating boundaries between atmospheric regimes controlled by different processes; they can thus be used to separate data taken in those different regimes for numerous purposes, including trend assessment. As part of the Observed Composition Trends And Variability in the UTLS (OCTAV-UTLS) Stratosphere-troposphere Processes And their Role in Climate (SPARC) activity, we assess the effectiveness of several coordinate systems in segregating air into different atmospheric regimes. To achieve this, a comprehensive dynamical dataset is used to reference every measurement from various observing systems to the locations of jets and tropopauses in different coordinates (e.g., altitude, pressure, potential temperature, latitude, and equivalent latitude). We assess which coordinate combinations are most useful for dividing the measurements into bins such that the data in each bin are affected by the same processes, thus minimizing the variability induced when combining measurements from different dynamical regimes, each characterized by different physical processes. Such bins will be particularly suitable for combining measurements with different sampling characteristics and for assessing trends and attributing them to changing atmospheric dynamics. Overall, the use of equivalent latitude and potential temperature leads to the most substantial reduction in binned variability across the UTLS. This coordinate pairing uses potential vorticity (PV) on isentropic surfaces, thus aligning with the adiabatic transport of tracers.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,021
Tête enseignante GPT0,223
Écart entre enseignants0,203 · 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'étudeSimulation ou modélisation
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physics→Même sujetAtmospheric Ozone and Climate→Travaux en français237 207→