MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408473121 · doi:10.5194/egusphere-egu25-59

Variability and long-term changes in tropical cold-point temperature

2025· preprint· en· W4408473121 sur OpenAlexaff
Mona Zolghadrshojaee, Susann Tegtmeier, Sean Davis, Robin Pilch Kedzierski, Leopold Haimberger

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTerm (time)ClimatologyEnvironmental scienceGeographyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

The tropical tropopause layer (TTL) serves as a crucial boundary for air exchange between the troposphere and stratosphere, influencing the chemical composition and radiative balance of the lower stratosphere. Specifically, the cold-point tropopause, where air parcels undergo final dehydration, plays a key role in determining stratospheric water vapor content, which has significant implications for the global energy budget.Our research utilizes Global Navigation Satellite System – Radio Occultation (GNSS-RO) and radiosonde data to investigate long-term changes in cold-point temperature and their impact on water vapor trends. We present evidence of a shift from pre-2000 cooling to post-2000 warming in TTL and lower stratospheric temperatures. Between 2002 and 2023, the cold point exhibits significant warming trends, reaching up to 0.7 K per decade during boreal winter and spring, with pronounced longitudinal asymmetries. These trends are strongest over the Atlantic and weakest over the central Pacific and are anti-correlated with upper tropospheric temperature trends. Our analysis shows a decrease in the seasonal cycle of cold-point temperature by ∼7%, driving a corresponding reduction of 6% in the seasonal cycle of water vapor at 100 hPa. This decrease of the water vapor seasonal cycle is transported upwards weakening the amplitude of the well-known stratospheric tape recorder signal.Our findings are reproduced by reanalysis data (ERA5, JRA-55, MERRA-2), which accurately capture the spatial and seasonal variations in temperature trends. The reanalyses also highlight an important connection between TTL temperatures and tropical upwelling with a pre-2000 increase in tropical upwelling consistent with observed cold-point cooling and a post-2000 decrease in upwelling consistent with observed cold-point warming.

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 enseignants0,013
Score d'incertitude au seuil0,025

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 Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→