Sensitivity Study on the Influence of Parameterization Schemes in WRF_ARW Model on Short- and Medium-Range Precipitation Forecasts in the Central Andes of Peru
Notice bibliographique
Résumé
A sensitivity study of the performance of the Weather Research and Forecasting regional model (WRF, version 3.7) to the use of different microphysics, cumulus, and boundary layer parameterizations for short- and medium-term precipitation forecast is conducted in the Central Andes of Peru. Lin-Purdué, Thompson, and Morrison microphysics schemes were tested, as well as the Grell–Freitas, Grell 3d, and Betts–Miller–Janjic cumulus parameterizations. The tested boundary layer schemes were the Yonsei University and Mellor–Yamada–Janjic. A control configuration was defined, using the Thompson, Grell–Freitas, and Yonsei University schemes, and a set of numerical experiments is made, using different combinations of parameterizations. Data from 19 local meteorological stations and regional and global gridded were used for verification. It was concluded that all the configurations overestimate precipitation, but the one using the Morrison microphysical scheme had the best performance, based on the indicators of bias (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>B</mml:mi></mml:math>) and root mean square error (RMSE). It is recommended not to use the Betts–Miller–Janjic scheme in this region for low resolution domains. Categorical forecast verification of the occurrence of rainfall as a binary variable showed detection rates higher than 85%. According to this criterion, the best performing configuration was the combination of Betts–Miller–Janjic and Morrison. Spatial verification showed that, even if all the configurations overestimated precipitation in some degree, spatial patterns of rainfall match the TRMM and PISCO rainfall data. Morrison’s microphysics scheme shows the best results, and consequently, this configuration is recommended for short- and medium-term rainfall forecasting tasks in the Central Andes of Peru and particularly in the Mantaro basin. The results of a special sensitivity experiment showed that the activation or not of cumulus parametrization for the domain of 3 km resolution is not relevant for the precipitation forecast in the study region.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».