Doubling–Adding Method for Delta-Four-Stream Spherical Harmonic Expansion Approximation in Radiative Transfer Parameterization
Notice bibliographique
Résumé
Abstract Though the single-layer solutions have been found for the δ-four-stream spherical harmonic expansion method (SHM) in radiative transfer, there is lack of a corresponding doubling–adding method (4SDA), which enables the calculation of radiative transfer through a vertically inhomogeneous atmosphere with multilayers. The doubling–adding method is based on Chandrasekhar's invariance principle, which was originally developed for discrete ordinates approximation. It is shown that the invariance principle can also be applied to SHM and δ-four-stream spherical harmonic expansion doubling–adding method (δ-4SDA) is proposed in this paper. The δ-4SDA method has been systematically compared to the δ-Eddington doubling–adding method (δ-2SDA), the δ-two-stream discrete ordinates doubling–adding method (δ-2DDA), and δ-four-stream discrete ordinates doubling–adding method (δ-4DDA). By applying δ-4SDA to a realistic atmospheric profile with gaseous transmission considered, it is found that the accuracy of δ-4SDA is superior to δ-2SDA or δ-2DDA, especially for the cloudy/aerosol conditions. It is shown that the relative errors of δ-4SDA are generally less than 1% in both heating rate and flux, while the relative errors of both δ-2SDA and δ-2DDA can be over 6%. Though δ-4DDA is slightly more accurate than δ-4SDA in heating rates, both of them are accurate enough to obtain the cloud-top solar heating. Here δ-4SDA is superior to δ-4DDA in computational efficiency. It is found that the error of aerosol radiative forcing can be up to 3 W m−2 by using δ-2SDA at the top of the atmosphere (TOA); such error is substantially reduced by applying δ-4SDA. In view of the overall accuracy and computational efficiency, δ-4SDA is suitable for application in climate models.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».