MétaCan
Menu
Retour à la cohorte
Enregistrement W1985453897 · doi:10.1175/jas-d-12-0122.1

Analytical Delta-Four-Stream Doubling–Adding Method for Radiative Transfer Parameterizations

2012· article· en· W1985453897 sur OpenAlexaff
Feng Zhang, Zhongping Shen, Jiangnan Li, Xiuji Zhou, Leiming Ma

Notice bibliographique

RevueJournal of the Atmospheric Sciences · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRadiative transferReflection (computer programming)Computational physicsRadiative fluxAbsorption (acoustics)PhysicsEnvironmental scienceOpticsMeteorologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Although single-layer solutions have been obtained for the δ-four-stream discrete ordinates method (DOM) in radiative transfer, a four-stream doubling–adding method (4DA) is lacking, which enables us to calculate the radiative transfer through a vertically inhomogeneous atmosphere with multiple layers. In this work, based on the Chandrasekhar invariance principle, an analytical method of δ-4DA is proposed. When applying δ-4DA to an idealized medium with specified optical properties, the reflection, transmission, and absorption are the same if the medium is treated as either a single layer or dividing it into multiple layers. This indicates that δ-4DA is able to solve the multilayer connection properly in a radiative transfer process. In addition, the δ-4DA method has been systematically compared with the δ-two-stream doubling–adding method (δ-2DA) in the solar spectrum. For a realistic atmospheric profile with gaseous transmission considered, it is found that the accuracy of δ-4DA is superior to that of δ-2DA in most of cases, especially for the cloudy sky. The relative errors of δ-4DA are generally less than 1% in both the heating rate and flux, while the relative errors of δ-2DA can be as high as 6%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,308
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Atmospheric SciencesMême sujetAtmospheric aerosols and cloudsTravaux en français237 207