Evaluating aerosol/cloud/radiation process parameterizations with single‐column models and Second Aerosol Characterization Experiment (ACE‐2) cloudy column observations
Notice bibliographique
Résumé
The Second Aerosol Characterization Experiment (ACE‐2) data set along with ECMWF reanalysis meteorological fields provided the basis for the single column model (SCM) simulations, performed as part of the PACE (Parameterization of the Aerosol Indirect Climatic Effect) project. Six different SCMs were used to simulate ACE‐2 case studies of clean and polluted cloudy boundary layers, with the objective being to identify limitations of the aerosol/cloud/radiation interaction schemes within the range of uncertainty in in situ, reanalysis and satellite retrieved data. The exercise proceeds in three steps. First, SCMs are configured with the same fine vertical resolution as the ACE‐2 in situ data base to evaluate the numerical schemes for prediction of aerosol activation, radiative transfer and precipitation formation. Second, the same test is performed at the coarser vertical resolution of GCMs to evaluate its impact on the performance of the parameterizations. Finally, SCMs are run for a 24–48 hr period to examine predictions of boundary layer clouds when initialized with large‐scale meteorological fields. Several schemes were tested for the prediction of cloud droplet number concentration (N). Physically based activation schemes using vertical velocity show noticeable discrepancies compared to empirical schemes due to biases in the diagnosed cloud base vertical velocity. Prognostic schemes exhibit a larger variability than the diagnostic ones, due to a coupling between aerosol activation and drizzle scavenging in the calculation of N. When SCMs are initialized at a fine vertical resolution with locally observed vertical profiles of liquid water, predicted optical properties are comparable to observations. Predictions however degrade at coarser vertical resolution and are more sensitive to the mean liquid water path than to its spatial heterogeneity. Predicted precipitation fluxes are severely underestimated and improve when accounting for sub‐grid liquid water variability. Results from the 24–48 hr runs suggest that most models have problems in simulating boundary layer cloud morphology, since the large‐scale initialization fields do not accurately reproduce observed meteorological conditions. As a result, models significantly overestimate optical properties. Improved cloud morphologies were obtained for models with subgrid inversions and subgrid cloud thickness schemes. This may be a result of representing subgrid scale effects though we do not rule out the possibility that better large‐forcing data may also improve cloud morphology predictions.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».