Subgrid-Scale Variability for Thermodynamic Variables in an Offline Land Surface Prediction System
Notice bibliographique
Résumé
Abstract This study presents a numerical analysis of the impact of the horizontal resolution on the forecast capability of the Canadian offline land surface prediction system (SPS; formerly known as GEM-Surf) forced by the 15-km Global Environmental Multiscale (GEM) atmospheric model. This system is used to quantify on a statistical basis the subgrid-scale variability of (near-)surface variables for 25-km grid spacing based on the 2.5- or 10-km SPS run at regional scale over the 2012 summer season. The model bias and the distributions characterizing the subgrid-scale variability drastically depend on the geographic areas as well as on the diurnal cycle. These results show the benefits of high-resolution land surface simulations to account for length scales that are more consistent with the scales at which the actual land surface balance is affected by the heterogeneous geophysical fields (i.e., roughness length, land–water mask, glacier mask, and soil texture). The model bias results highlight the potential of an SPS–GEM two-way coupling strategy for refining predictions near the surface through the upscaling of high-resolution surface heat fluxes to the coarser atmospheric grid spacing, with these fluxes being significantly different from those explicitly resolved at 25 km and featuring nonlinear behavior with respect to the horizontal resolution. Since the computational power of meteorological operational centers progressively increases, making it possible to run high-resolution limited-area models, solving the surface at high resolution in a surface–atmosphere fully coupled system becomes a key aspect for improving numerical weather and environmental forecast performance.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».