MétaCan
Menu
Retour à la cohorte
Enregistrement W2021831540 · doi:10.1029/2008jd010391

Representing cloud overlap with an effective decorrelation length: An assessment using CloudSat and CALIPSO data

2008· article· en· W2021831540 sur OpenAlexaff
Howard W. Barker

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésCloud fractionShortwaveLidarRadiative transferLongwaveCloud heightDecorrelationEnvironmental scienceCloud computingCloud topAtmospheric radiative transfer codesSatelliteRemote sensingPhysicsMeteorologyMathematicsStatisticsCloud coverGeologyComputer scienceOptics

Résumé

récupéré en direct d'OpenAlex

This study commenced testing the hypothesis that a vertically constant, effective, decorrelation length * cf can be used to represent overlap of cloud for the purpose of performing radiative transfer calculations in global climate models. It was assumed that total cloud fraction resulting from multiple layers of overlapping fractional cloud can be described as a linear combination of maximum and random overlap, with the weight defined by exp(−Δ z / * cf ) where Δ z is distance between layers. Cloud masks and water contents (CWC) obtained from CloudSat and CALIPSO satellite data, for January 2007, were used to solve for * cf . Benchmark shortwave (SW) and longwave (LW) broadband flux profiles were computed for 500‐km‐long retrieved cross‐sections via the independent column approximation (ICA). Then * cf was found and used, along with corresponding profiles of cloud fraction and CWCs, in a stochastic cloud generator suitable for use in global climate models (GCMs), and ICA fluxes computed for the generated fields. When clouds were homogenized horizontally, zonal mean bias errors for SW cloud radiative effect (CRE) at the top of atmosphere (TOA) were generally <±3 W m −2 , with LW counterparts <2 W m −2 , similar to changing cloud particle size by ∼15%. For inhomogeneous clouds, SW CRE biases jumped to typically −5 W m −2 partly because of limitations with the generator. When * cf = 2 km (near global median) was used ubiquitously in the generator, was overestimated slightly, mostly by clouds above ∼10 km, and CRE errors grew by just ∼10% to 20%. Exposing too much high cloud to space produced local SW heating rate biases of ∼15%. While optimal effective decorrelation lengths differ for SW and LW radiation, which in turn generally differ from * cf , it appears that use of * cf will suffice for both bands. The impact of using * cf in GCMs remains to be seen.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,383
Écart entre enseignants0,318 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations47
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric aerosols and cloudsTravaux en français237 207