Adapting Two-Moment Microphysics Schemes across Model Resolutions: Subgrid Cloud and Precipitation Fraction and Microphysical Sub–Time Step
Notice bibliographique
Résumé
Abstract Two-moment multiclass microphysics schemes are very promising tools to be used in high-resolution NWP models. However, they must be adapted for coarser resolutions. Here, a twofold solution is proposed—namely, a simple representation of subgrid cloud and precipitation fraction—as well as a microphysical sub-time-stepping method. The scheme is easy to implement, allows supersaturation in ice cloud, and exhibits flexibility for adoption across model grid spacing. It is implemented in the Milbrandt and Yau two-moment microphysics scheme with prognostic precipitation in the context of a simple 1D kinematic model as well as a mesoscale NWP model [the Canadian regional Global Environmental Multiscale model (GEM)]. Sensitivity tests were performed and the results highlighting the advantages and disadvantages of the two-moment multiclass cloud scheme relative to the classical Sundqvist scheme. The respective roles of subgrid cloud fraction, precipitation fraction, and time splitting were also studied. When compared to the Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO)/CloudSat-retrieved cloud mask, cloud fraction, and ice water content, it is found that the proposed solutions significantly improve the behavior of the Milbrandt and Yau microphysics scheme at the regional NWP scale, suggesting that the subgrid cloud and precipitation fraction technique can be used across model resolutions.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».