MétaCan
Menu
Retour à la cohorte
Enregistrement W1986327802 · doi:10.1002/2013jd020149

A simple way to improve the diurnal cycle in convective rainfall over land in climate models

2014· article· en· W1986327802 sur OpenAlexafffund
Ian Folkins, Toni Mitovski, Jeffrey R. Pierce

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLangley Research CenterNational Aeronautics and Space Administration
Mots-clésDiurnal cycleConvectionFree convective layerConvective inhibitionNoonAtmospheric sciencesConvective available potential energyPrecipitationEnvironmental scienceClimatologyConvective Boundary LayerSunriseMass fluxBoundary layerMeteorologyPlanetary boundary layerGeologyMechanicsGeographyPhysicsCombined forced and natural convectionNatural convection

Résumé

récupéré en direct d'OpenAlex

Within the tropics, and during the summer months in midlatitudes, most of the rainfall reaching the surface is generated by moist convection. Over land, the diurnal cycle in moist convective rainfall usually peaks in the late afternoon. In most climate models, the diurnal peak in convective rainfall occurs several hours too early and is often near local solar noon. We argue that this bias partly originates from the methods used in convective parameterizations to calculate the cloud base mass flux. In most convective parameterizations, the initial convective mass flux is determined from the convective available potential energy (CAPE) of an updraft parcel originating from the model layer closest to the surface. In models, the rapid increase in the CAPE of this near‐surface layer following sunrise contributes to a rapid increase in convective precipitation. However, the mass‐weighted CAPE of the boundary layer as a whole responds much more slowly to the increase in downward solar radiation at the surface. Using a recently developed convective parameterization in version 4 of the Community Atmosphere Model (CAM4), we show that the overall accuracy in the diurnal simulation of convective precipitation increases as the number of near‐surface layers from which convective air parcels are permitted to originate increases from one to four. We also show that the simulation of the diurnal cycle in convective precipitation over land can be improved through the introduction of variables which attempt to represent the persistence of subgrid‐scale convective organization within a grid column across model time steps.

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)0,006
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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,024
Tête enseignante GPT0,315
Écart entre enseignants0,291 · 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

Citations29
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetClimate variability and modelsTravaux en français237 207