Representing Richardson Number Hysteresis in the NWP Boundary Layer
Notice bibliographique
Résumé
Abstract Turbulence in the planetary boundary layer (PBL) transports heat, momentum, and moisture in eddies that are not resolvable by current NWP systems. Numerical models typically parameterize this process using vertical diffusion operators whose coefficients depend on the intensity of the expected turbulence. The PBL scheme employed in this study uses a one-and-a-half-order closure based on a predictive equation for the turbulent kinetic energy (TKE). For a stably stratified fluid, the growth and decay of TKE is largely controlled by the dynamic stability of the flow as represented by the Richardson number. Although the existence of a critical Richardson number that uniquely separates turbulent and laminar regimes is predicted by linear theory and perturbation analysis, observational evidence and total energy arguments suggest that its value is highly uncertain. This can be explained in part by the apparent presence of turbulence regime-dependent critical values, a property known as Richardson number hysteresis. In this study, a parameterization of Richardson number hysteresis is proposed. The impact of including this effect is evaluated in systems of increasing complexity: a single-column model, a forecast case study, and a full assimilation cycle. It is shown that accounting for a hysteretic loop in the TKE equation improves guidance for a canonical freezing rain event by reducing the diffusive elimination of the warm nose aloft, thus improving the model’s representation of PBL profiles. Systematic enhancements in predictive skill further suggest that representing Richardson number hysteresis in PBL schemes using higher-order closures has the potential to yield important and physically relevant improvements in guidance quality.
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 | 0,002 | 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) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».