Sensitivity Study of Regional Climate Model Simulations to Large-Scale Nudging Parameters
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 Previous studies with nested regional climate models (RCMs) have shown that large-scale spectral nudging (SN) seems to be a powerful method to correct RCMs’ weaknesses such as internal variability, intermittent divergence in phase space (IDPS), and simulated climate dependence on domain size and geometry. Despite its initial success, SN is not yet in widespread use because of disagreement regarding the main premises—the unconfirmed advantages of removing freedom from RCMs’ large scales—and lingering doubts regarding its potentially negative side effects. This research addresses the latter issue. Five experiments have been carried out with the Canadian RCM (CRCM) over North America. Each experiment, performed under a given SN configuration, consists of four ensembles of simulations integrated on four different domain sizes for a summer season. In each experiment, the effects of SN on internal variability, time means, extremes, and power spectra are discussed. As anticipated from previous investigations, the present study confirms that internal variability, as well as simulated-climate dependence on domain size, decreases with increased SN strength. Our results further indicate a noticeable reduction of precipitation extremes as well as low-level vorticity amplitude in almost all length scales, as a side effect of SN; these effects are mostly perceived when SN is the most intense. Overall results indicate that the use of a weak to mild SN may constitute a reasonable compromise between the risk of decoupling of the RCM internal solution from the lateral boundary conditions (when using large domains without SN) and an excessive control of the large scales (with strong SN).
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 | 0,001 | 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