Application and evaluation of a new radiation code under McICA scheme in BCC_AGCM2.0.1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. This research incorporates the correlated k distribution BCC-RAD radiation model into the climate model BCC_AGCM2.0.1 and examines the change in climate simulation by implementation of the new radiation algorithm. It is shown that both clear-sky radiation fluxes and cloud radiative forcings (CRFs) are improved. The modeled atmospheric temperature and specific humidity are also improved due to changes in radiative heating rates, which most likely stem from the revised treatment of gaseous absorption. Subgrid cloud variability, including vertical overlap of fractional clouds and horizontal inhomogeneity in cloud condensate, is addressed by using the Monte Carlo Independent Column Approximation (McICA) method. In McICA, a cloud-type-dependent function for cloud fraction decorrelation length, which gives zonal mean results very close to the observations of CloudSat/CALIPSO, is developed. Compared to utilizing a globally constant decorrelation length, the maximum changes in seasonal CRFs by the new scheme can be as large as 10 and 20 W m−2 for longwave (LW) and shortwave (SW) CRFs, respectively, mostly located in the tropics. The inclusion of an observation-based horizontal inhomogeneity of cloud condensate has also a significant impact on CRFs, with global means of ~ 1.5 W m−2 and ~ 3.7 Wm−2 for LW and SW CRFs at the top of atmosphere (TOA), respectively. Generally, incorporating McICA and horizontal inhomogeneity of cloud condensate in the BCC-RAD model reduces global mean TOA and surface SW and LW flux biases in BCC_AGCM2.0.1. These results demonstrate the feasibility of the new model configuration to be used in BCC_AGCM2.0.1 for climate simulations, and also indicate that more detailed real-world information on cloud structures should be obtained to constrain cloud settings in McICA in the future.
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.
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 | 0,003 | 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 | 0,000 | 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 découle