MétaCan
Menu
Retour à la cohorte
Enregistrement W2127192903 · doi:10.1256/003590002320373229

Intercomparison and evaluation of cumulus parametrizations under summertime midlatitude continental conditions

2002· article· en· W2127192903 sur OpenAlexaff
Shaocheng Xie, Kuan‐Man Xu, R.T. Cederwall, Peter Bechtold, Anthony D. Del Genio, Stephen A. Klein, Douglas Cripe, S. J. Ghan, David Gregory, Sam F. Iacobellis, Steven K. Krueger, Ulrike Lohmann, J. C. Petch, David A. Randall, Leon Rotstayn, Richard C. J. Somerville, Y. C. Sud, Knut von Salzen, Gregory K. Walker, Audrey B. Wolf, J J Yio, Guang J. Zhang, Minghua Zhang

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of VictoriaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTroposphereEnvironmental scienceClimatologyConvectionMiddle latitudesPrecipitationConvective available potential energyAtmospheric sciencesConvective instabilityAlbedo (alchemy)MeteorologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This study reports the Single‐Column Model (SCM) part of the Atmospheric Radiation Measurement (ARM)/the Global Energy and Water Cycle Experiment (GEWEX) Cloud System Study (GCSS) joint SCM and Cloud‐Resolving Model (CRM) Case 3 intercomparison study, with a focus on evaluation of cumulus parametrizations used in SCMs. Fifteen SCMs are evaluated under summertime midlatitude continental conditions using data collected at the ARM Southern Great Plains site during the summer 1997 Intensive Observing Period. Results from ten CRMs are also used to diagnose problems in the SCMs. It is shown that most SCMs can generally capture well the convective events that were well‐developed within the SCM domain, while most of them have difficulties in simulating the occurrence of those convective events that only occurred within a small part of the domain. All models significantly underestimate the surface stratiform precipitation. A third of them produce large errors in surface precipitation and thermodynamic structures. Deficiencies in convective triggering mechanisms are thought to be one of the major reasons. Using a triggering mechanism that is based on the vertical integral of parcel buoyant energy without additional appropriate constraints results in overactive convection, which in turn leads to large systematic warm/dry biases in the troposphere. It is also shown that a non‐penetrative convection scheme can underestimate the depth of instability for midlatitude convection, which leads to large systematic cold/moist biases in the troposphere. SCMs agree well quantitatively with CRMs in the updraught mass fluxes, while most models significantly underestimate the downdraught mass fluxes. Neglect of mesoscale updraught and downdraught mass fluxes in the SCMs contributes considerably to the discrepancies between the SCMs and the CRMs. In addition, uncertainties in the diagnosed mass fluxes in the CRMs and deficiencies with cumulus parametrizations are not negligible. Similar results are obtained in the sensitivity tests when different forcing approaches are used. Finally, sensitivity tests from an SCM indicate that its simulations can be greatly improved when its triggering mechanism and closure assumption are improved. © Royal Meteorological Society, 2002. J. C. Petch's contribution is Crown copyright.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,285
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetClimate variability and modelsTravaux en français237 207