CGILS: Results from the first phase of an international project to understand the physical mechanisms of low cloud feedbacks in single column models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CGILS—the CFMIP‐GASS Intercomparison of Large Eddy Models (LESs) and single column models (SCMs)—investigates the mechanisms of cloud feedback in SCMs and LESs under idealized climate change perturbation. This paper describes the CGILS results from 15 SCMs and 8 LES models. Three cloud regimes over the subtropical oceans are studied: shallow cumulus, cumulus under stratocumulus, and well‐mixed coastal stratus/stratocumulus. In the stratocumulus and coastal stratus regimes, SCMs without activated shallow convection generally simulated negative cloud feedbacks, while models with active shallow convection generally simulated positive cloud feedbacks. In the shallow cumulus alone regime, this relationship is less clear, likely due to the changes in cloud depth, lateral mixing, and precipitation or a combination of them. The majority of LES models simulated negative cloud feedback in the well‐mixed coastal stratus/stratocumulus regime, and positive feedback in the shallow cumulus and stratocumulus regime. A general framework is provided to interpret SCM results: in a warmer climate, the moistening rate of the cloudy layer associated with the surface‐based turbulence parameterization is enhanced; together with weaker large‐scale subsidence, it causes negative cloud feedback. In contrast, in the warmer climate, the drying rate associated with the shallow convection scheme is enhanced. This causes positive cloud feedback. These mechanisms are summarized as the “NESTS” negative cloud feedback and the “SCOPE” positive cloud feedback (Negative feedback from Surface Turbulence under weaker Subsidence—Shallow Convection PositivE feedback) with the net cloud feedback depending on how the two opposing effects counteract each other. The LES results are consistent with these interpretations.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle