MétaCan
Menu
Retour à la cohorte
Enregistrement W2168097884 · doi:10.1175/2007jcli1675.1

Simulating AOGCM Soil Moisture Using an Off-Line Thornthwaite Potential Evapotranspiration–Based Land Surface Scheme. Part I: Control Runs

2008· article· en· W2168097884 sur OpenAlexaff
Adam R. Cornwell, L. D. Danny Harvey

Notice bibliographique

RevueJournal of Climate · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationForcing (mathematics)Environmental scienceWater contentPrecipitationClimatologyAtmospheric sciencesMoistureSurface runoffClimate modelMeteorologyClimate changeGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Atmosphere–ocean general circulation models (AOGCMs) employ very different land surface schemes (LSSs) and, as a result, their predictions of land surface quantities are often difficult to compare. Some of the disagreement in quantities such as soil moisture is likely due to differences in the atmospheric component; however, previous intercomparison studies have determined that different LSSs can produce very different results even when supplied with identical atmospheric forcing. A simple off-line LSS is presented that can reproduce the soil moisture simulations of various AOGCMs, based on their modeled temperature and precipitation. The scheme makes use of the well-established Thornthwaite method for estimating potential evapotranspiration combined with a variation of the Manabe “bucket” model. The model can be tuned to reproduce the control climate soil moisture of an AOGCM by adjusting the ease with which runoff and evapotranspiration continue as the moisture level in the bucket goes down. This produces a set of parameter values that provides a good fit to each of several AOGCM control climates. In addition, the parameter values can be set to imitate the LSS from one AOGCM while the model is forced with atmospheric data from another, thus providing an estimate of the magnitude of variation caused by the differences in land surface parameterization and by differences in atmospheric forcing. In general, the authors find that differences in LSSs account for about half of the difference in soil moisture as simulated by different AOGCMs, and the differences in atmospheric forcing account for the other half of the difference. However, the LSS can be more important than differences in atmospheric forcing in some regions (such as the United States) and less important in others (such as East Africa).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,278
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207