Parameterization of visibility in snow: Application in numerical weather prediction models
Notice bibliographique
Résumé
Several parameterizations of extinction coefficient (σ) and visibility (lv) 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 (lce), 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 lv is mainly associated with S. Both aircraft and SBM data indicate that there is a significant dependence of lv on S and a relatively weaker dependence on T. The observed lv is correlated with lce, but the dependence of lv on RH is relatively weak. There is some nonlinear dependence of lv 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 lce further improves the CC from 0.87 to 0.9. It was also found that both lv and lce 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 lv 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».