Diagnosis of regime‐dependent cloud simulation errors in CMIP5 models using “A‐Train” satellite observations and reanalysis data
Notice bibliographique
Résumé
Abstract The vertical distributions of cloud water content (CWC) and cloud fraction (CF) over the tropical oceans, produced by 13 coupled atmosphere‐ocean models submitted to the Phase 5 of Coupled Model Intercomparison Project (CMIP5), are evaluated against CloudSat/CALIPSO observations as a function of large‐scale parameters. Available CALIPSO simulator CF outputs are also examined. A diagnostic framework is developed to decompose the cloud simulation errors into large‐scale errors, cloud parameterization errors and covariation errors. We find that the cloud parameterization errors contribute predominantly to the total errors for all models. The errors associated with large‐scale temperature and moisture structures are relatively greater than those associated with large‐scale midtropospheric vertical velocity and lower‐level divergence. All models capture the separation of deep and shallow clouds in distinct large‐scale regimes; however, the vertical structures of high/low clouds and their variations with large‐scale parameters differ significantly from the observations. The CWCs associated with deep convective clouds simulated in most models do not reach as high in altitude as observed, and their magnitudes are generally weaker than CloudSat total CWC, which includes the contribution of precipitating condensates, but are close to CloudSat nonprecipitating CWC. All models reproduce maximum CF associated with convective detrainment, but CALIPSO simulator CFs generally agree better with CloudSat/CALIPSO combined retrieval than the model CFs, especially in the midtroposphere. Model simulated low clouds tend to have little variation with large‐scale parameters except lower‐troposphere stability, while the observed low cloud CWC, CF, and cloud top height vary consistently in all large‐scale regimes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».