Cloud‐resolving model intercomparison of an MC3E squall line case: Part I—Convective updrafts
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 An intercomparison study of a midlatitude mesoscale squall line is performed using the Weather Research and Forecasting (WRF) model at 1 km horizontal grid spacing with eight different cloud microphysics schemes to investigate processes that contribute to the large variability in simulated cloud and precipitation properties. All simulations tend to produce a wider area of high radar reflectivity ( Z e > 45 dBZ) than observed but a much narrower stratiform area. The magnitude of the virtual potential temperature drop associated with the gust front passage is similar in simulations and observations, while the pressure rise and peak wind speed are smaller than observed, possibly suggesting that simulated cold pools are shallower than observed. Most of the microphysics schemes overestimate vertical velocity and Z e in convective updrafts as compared with observational retrievals. Simulated precipitation rates and updraft velocities have significant variability across the eight schemes, even in this strongly dynamically driven system. Differences in simulated updraft velocity correlate well with differences in simulated buoyancy and low‐level vertical perturbation pressure gradient, which appears related to cold pool intensity that is controlled by the evaporation rate. Simulations with stronger updrafts have a more optimal convective state, with stronger cold pools, ambient low‐level vertical wind shear, and rear‐inflow jets. Updraft velocity variability between schemes is mainly controlled by differences in simulated ice‐related processes, which impact the overall latent heating rate, whereas surface rainfall variability increases in no‐ice simulations mainly because of scheme differences in collision‐coalescence parameterizations.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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