Dominant roles of subgrid‐scale cloud structures in model diversity of cloud radiative effects
Notice bibliographique
Résumé
Today, large model discrepancies exist in estimated cloud radiative effects (CREs) and irradiances across 1‐D radiative transfer schemes aimed for climate models. The primary purpose of this study is to understand physical causes of such model discrepancies, especially in CREs under partly cloudy sky. To achieve this goal, the unique Cloud‐Aerosol‐Radiation (CAR) ensemble modeling system was employed, offline driven by the ERA‐Interim global data for July 2004 with no feedback considered. For evaluating each individual contribution from the existing scheme diversity of cloud horizontal inhomogeneity, cloud optical properties, cloud vertical overlap, and gas absorptions, several sets of numerical experiments were conducted. It is the first time to explicitly demonstrate that after removing most of the disagreement in cloud fields, model spreads of CREs among the CAR's seven major radiation schemes, as well as those of radiative fluxes, dramatically diminish. Taking global mean CREs for example, their current model ranges can decrease to <4 W m −2 from about 10 W m −2 for shortwave and also to <4 W m −2 from 5–8 W m −2 for longwave. Dominant roles of subgrid‐scale cloud structures (including vertical overlap and horizontal variability) were proven in general, explaining about 40–75% of the total model spreads. We have also found that model spreads of CREs are very sensitive to cloud cover fractions. Such nonlinear sensitivity can be largely reduced after removing the model difference in the treatments of cloud vertical overlap.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».