Impact of Dynamics and Atmospheric State on Cloud Vertical Overlap
Notice bibliographique
Résumé
Abstract The observation and representation in general circulation models (GCMs) of cloud vertical overlap are the objects of active research due to their impacts on the earth’s radiative budget. Previous studies have found that vertically contiguous cloudy layers show a maximum overlap between layers up to several kilometers apart but tend toward a random overlap as separations increase. The decorrelation length scale that characterizes the progressive transition from maximum to random overlap changes from one location and season to another and thus may be influenced by large-scale vertical motion, wind shear, or convection. Observations from the U.S. Department of Energy Atmospheric Radiation Measurement program ground-based radars and lidars in midlatitude and tropical locations in combination with reanalysis meteorological fields are used to evaluate how dynamics and atmospheric state influence cloud overlap. For midlatitude winter months, strong synoptic-scale upward motion maintains conditions closer to maximum overlap at large separations. In the tropics, overlap becomes closer to maximum as convective stability decreases. In midlatitude subsidence and tropical convectively stable situations, where a smooth transition from maximum to random overlap is found on average, large wind shears sometimes favor minimum overlap. Precipitation periods are discarded from the analysis but, when included, maximum overlap occurs more often at large separations. The results suggest that a straightforward modification of the existing GCM mixed maximum–random overlap parameterization approach that accounts for environmental conditions can capture much of the important variability and is more realistic than approaches that are only based on an exponential decay transition from maximum to random overlap.
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) | 0,001 | 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 ».