Parameterization of Joint Frequency Distributions of Potential Temperature and Water Vapor Mixing Ratio in the Daytime Convective Boundary Layer
Notice bibliographique
Résumé
Joint frequency distributions (JFDs) of potential temperature () versus water vapor mixing ratio (r) within the convective boundary layer were measured during a new field experiment named Boundary Layer Experiment 1996 (BLX96).These JFDs were found to be tilted, with the tilt a function of both height and boundary layer dynamics.These distributions are also skewed and more peaked than a joint Gaussian distribution.Three different methods are used to generate joint probability density functions (JPDFs) that approximate observed JFDs.Two classical methods, one based on a Gaussian fit and another based on surface-layer processes, are reviewed.A new method is devised, which treats the observed JFD as a mixing diagram.In the absence of advection, the only source regions for air in the mixing diagram are the surface and the entrainment zone.Thus, the tilt of the JFD can be explained by various mixtures from these two source regions.Methods that can be used to parameterize the mixing JPDF are presented.The primary advantage of this method is that the tilt is determined explicitly from properties of the surface, mixed layer, and entrainment zone.Similarity methods are used to parameterize all variables needed by the Gaussian model.The Bowen ratio and the total energy input are used to parameterize the tilt of the surface energy budget JPDF, while similarity methods are used to define the spread of the JPDF along the two axes.Relationships between the surface and mixed layer, and the mixed layer and free atmosphere are used to tilt the mixing diagram JPDF, while similarity methods are used to estimate the spread of the JPDF.The parameterizations are developed using a ''calibration'' subset of data acquired during BLX96.A ''verification'' subset of data, also acquired during BLX96, is used to show that the parameterized mixing diagram method is superior to the other two methods, because it has either a smaller error or is less sensitive to the value of the correlation between and r.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».