Origins of the Solar Radiation Biases over the Southern Ocean in CFMIP2 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
Abstract Current climate models generally reflect too little solar radiation over the Southern Ocean, which may be the leading cause of the prevalent sea surface temperature biases in climate models. The authors study the role of clouds on the radiation biases in atmosphere-only simulations of the Cloud Feedback Model Intercomparison Project phase 2 (CFMIP2), as clouds have a leading role in controlling the solar radiation absorbed at those latitudes. The authors composite daily data around cyclone centers in the latitude band between 40° and 70°S during the summer. They use cloud property estimates from satellite to classify clouds into different regimes, which allow them to relate the cloud regimes and their associated radiative biases to the meteorological conditions in which they occur. The cloud regimes are defined using cloud properties retrieved using passive sensors and may suffer from the errors associated with this type of retrievals. The authors use information from the Cloud–Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) lidar to investigate in more detail the properties of the “midlevel” cloud regime. Most of the model biases occur in the cold-air side of the cyclone composite, and the cyclone composite accounts for most of the climatological error in that latitudinal band. The midlevel regime is the main contributor to reflected shortwave radiation biases. CALIPSO data show that the midlevel cloud regime is dominated by two main cloud types: cloud with tops actually at midlevel and low-level cloud. Improving the simulation of these cloud types should help reduce the biases in the simulation of the solar radiation budget in the Southern Ocean in climate models.
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 | 0,000 | 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 découle