Parameterization of visibility in snow: Application in numerical weather prediction models
Notice bibliographique
Résumé
Several parameterizations of extinction coefficient ( σ ) and visibility ( l v ) as a function of temperature ( T ), liquid water equivalent snowfall rate ( S ), have been developed assuming a gamma size distribution for ice particles and using aircraft data collected in extratropical stratiform clouds. Using surface‐based measurements (SBM) of S , T , relative humidity (RH), cloud ceiling ( l ce ), and σ during the winter months in 2005, 2006, and 2007 at the Centre for Atmospheric Research Experiments site in Ontario, Canada, other parameterizations have been developed and compared with that based on the aircraft data. The analysis of the SBM data indicates that low l v is mainly associated with S . Both aircraft and SBM data indicate that there is a significant dependence of l v on S and a relatively weaker dependence on T . The observed l v is correlated with l ce , but the dependence of l v on RH is relatively weak. There is some nonlinear dependence of l v on wind speed. Using SBM, several parameterizations of σ have been developed using a multiple linear regression method by increasing the number of terms starting with S . The addition of T increases the correlation coefficient (CC) r from 0.85 to 0.87. The addition of RH has no significant effect, but the inclusion of l ce further improves the CC from 0.87 to 0.9. It was also found that both l v and l ce can be described well using the inverse Gaussian probability density function. Model predictions using these parameterizations show that, when the model correctly forecasts the precipitation field, the predicted l v agreed well with observations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».