Implementation and calibration of a stochastic multicloud convective parameterization in the NCEP <scp>C</scp>limate <scp>F</scp>orecast <scp>S</scp>ystem (CFSv2)
Notice bibliographique
Résumé
Abstract A comparative analysis of fourteen 5 year long climate simulations produced by the National Centers for Environmental Predictions (NCEP) Climate Forecast System version 2 (CFSv2), in which a stochastic multicloud (SMCM) cumulus parameterization is implemented, is presented here. These 5 year runs are made with different sets of parameters in order to figure out the best model configuration based on a suite of state‐of‐the‐art metrics. This analysis is also a systematic attempt to understand the model sensitivity to the SMCM parameters. The model is found to be resilient to minor changes in the parameters used implying robustness of the SMCM formulation. The model is found to be most sensitive to the midtropospheric dryness parameter (MTD) and to the stratiform cloud decay timescale ( τ 30 ). MTD is more effective in controlling the global mean precipitation and its distribution while τ 30 has more effect on the organization of convection as noticed in the simulation of the Madden‐Julian oscillation (MJO). This is consistent with the fact that in the SMCM formulation, midtropospheric humidity controls the deepening of convection and stratiform clouds control the backward tilt of tropospheric heating and the strength of unsaturated downdrafts which cool and dry the boundary layer and trigger the propagation of organized convection. Many other studies have also found midtropospheric humidity to be a key factor in the capacity of a global climate model to simulate organized convection on the synoptic and intraseasonal scales.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 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 ».