Multiscale Interactions in an Idealized Walker Cell: Simulations with Sparse Space–Time Superparameterization
Notice bibliographique
Résumé
Abstract This paper discusses the sparse space–time superparameterization (SSTSP) algorithm and evaluates its ability to represent interactions between moist convection and the large-scale circulation in the context of a Walker cell flow over a planetary scale two-dimensional domain. The SSTSP represents convective motions in each column of the large-scale model by embedding a cloud-resolving model, and relies on a sparse sampling in both space and time to reduce computational cost of explicit simulation of convective processes. Simulations are performed varying the spatial compression and/or temporal acceleration, and results are compared to the cloud-resolving simulation reported previously. The algorithm is able to reproduce a broad range of circulation features for all temporal accelerations and spatial compressions, but significant biases are identified. Precipitation tends to be too intense and too localized over warm waters when compared to the cloud-resolving simulations. It is argued that this is because coherent propagation of organized convective systems from one large-scale model column to another is difficult when superparameterization is used, as noted in previous studies. The Walker cell in all simulations exhibits low-frequency variability on a time scale of about 20 days, characterized by four distinctive stages: suppressed, intensification, active, and weakening. The SSTSP algorithm captures spatial structure and temporal evolution of the variability. This reinforces the confidence that SSTSP preserves fundamental interactions between convection and the large-scale flow, and offers a computationally efficient alternative to traditional convective parameterizations.
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 | 0,000 | 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) | 0,008 | 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 ».