Neglect by GCMs of subgrid‐scale horizontal variations in cloud‐droplet effective radius: A diagnostic radiative analysis
Notice bibliographique
Résumé
Abstract Output from a global climate model (GCM) that employed a low‐resolution two‐dimensional cloud‐system‐resolving model (CSRM) in each column is used to assess the radiative impact of neglecting subgrid‐scale horizontal variations in cloud‐droplet effective radius r e . For this diagnostic study, only liquid‐phase variations in r e are addressed; the ice‐cloud particle distributions are assumed to be constant. For reference calculations, values of r e in the CSRM cells are computed assuming that the droplet‐number concentration N cld and the effective variance of droplet‐size distribution are constant in a GCM cell. The independent‐column approximation is used to produce flux profiles for each GCM column. Three alternative methods of setting horizontally‐invariant r e are examined, each of which resemble how r e is set in one‐dimensional radiative‐transfer models. Relative to the reference calculations, the other methods lead to positive spurious radiative forcings at the surface and at the top of the atmosphere. These stem from overestimation of optical‐depth variability and, thus, reduced short‐wave albedo of clouds. Globally averaged, these forcings range from 1 W m −2 to 3 W m −2 , with zonal‐mean biases reaching almost 15 W m −2 . The most severe biases arise from use of constant values of r e over the land and the ocean. In addition, radiative effects due to unacknowledged uncertainty in N cld (or r e ) are assessed. It is shown that ad hoc, but not outlandish, estimates of unbiased uncertainty in N cld impart biases on estimates of the earth's solar‐radiation budget (tantamount to a spurious radiative forcing). These arise through the chain of nonlinear relations that link N cld to solar radiative transfer. Copyright © 2004 Royal Meteorological Society.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».