Application of Satellite Data for Evaluating the Cold Climate Performance of the Canadian Regional Climate Model over Québec, Canada
Notice bibliographique
Résumé
Abstract This study evaluates key aspects of the snow cover, cloud cover, and radiation budget simulated by the Canadian Regional Climate Model, version 4 (CRCM4), coupled with two versions of the Canadian Land Surface Scheme (CLASS). CRCM4 coupled with CLASS version 2.7 has been used operationally at Ouranos since 2006, while, more recently, CRCM4 has been coupled experimentally with CLASS 3.5, which includes a number of improvements to the representation of snow cover processes. The simulations showed evidence of a systematic cold temperature bias. Evaluation of cloud cover and radiation fluxes with satellite data suggests this bias is related to insufficient cloud radiative forcing from a combination of underestimated cloud cover, excessive cloud albedo, and too low cloud emissivity in the model. This cold bias is reinforced by a positive snow albedo feedback manifest through earlier snow cover onset in the fall and early winter period. Snow albedo was found to be very sensitive to the treatment of albedo refresh but insignificantly influenced by the partitioning of solid precipitation in CLASS. This study demonstrates that atmospheric forcing can exert a significant impact on the simulation of snow cover and surface albedo. The results highlight the need to evaluate parameterizations in land surface models designed for climate models in fully coupled mode.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».