MétaCan
Menu
Retour à la cohorte
Enregistrement W2885252519 · doi:10.5194/gmd-12-879-2019

DCMIP2016: the splitting supercell test case

2019· article· en· W2885252519 sur OpenAlexaff
Colin M. Zarzycki, Christiane Jablonowski, James Kent, P. H. Lauritzen, Ramachandran D. Nair, Kevin A. Reed, Paul Ullrich, David Hall, Mark A. Taylor, Don Dazlich, Ross Heikes, Celal S. Konor, David A. Randall, Xi Chen, Lucas Harris, M. A. Giorgetta, Daniel Reinert, Christian Kühnlein, R. L. Walko, Vivian Lee, Abdessamad Qaddouri, Monique Tanguay, Hiroaki Miura, Tomoki Ohno, Ryuji Yoshida, Sang‐Hun Park, Joseph B. Klemp, William C. Skamarock

Notice bibliographique

RevueGeoscientific model development · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesOffice of Naval ResearchNational Nuclear Security AdministrationOffice of ScienceNational Aeronautics and Space AdministrationSandia National LaboratoriesUniversity of California, DavisU.S. Department of EnergyUniversity of Colorado BoulderNational Oceanic and Atmospheric AdministrationNational Center for Atmospheric ResearchNational Science Foundation
Mots-clésSupercellCore modelPerturbation (astronomy)Statistical physicsPhysicsHydrostatic equilibriumConvectionMeteorologyStormMechanicsMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract. This paper describes the splitting supercell idealized test case used in the 2016 Dynamical Core Model Intercomparison Project (DCMIP2016). These storms are useful test beds for global atmospheric models because the horizontal scale of convective plumes is O(1 km), emphasizing non-hydrostatic dynamics. The test case simulates a supercell on a reduced-radius sphere with nominal resolutions ranging from 4 to 0.5 km and is based on the work of Klemp et al. (2015). Models are initialized with an atmospheric environment conducive to supercell formation and forced with a small thermal perturbation. A simplified Kessler microphysics scheme is coupled to the dynamical core to represent moist processes. Reference solutions for DCMIP2016 models are presented. Storm evolution is broadly similar between models, although differences in the final solution exist. These differences are hypothesized to result from different numerical discretizations, physics–dynamics coupling, and numerical diffusion. Intramodel solutions generally converge as models approach 0.5 km resolution, although exploratory simulations at 0.25 km imply some dynamical cores require more refinement to fully converge. These results can be used as a reference for future dynamical core evaluation, particularly with the development of non-hydrostatic global models intended to be used in convective-permitting regimes.

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)0,003
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 enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,210
Écart entre enseignants0,192 · 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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetClimate variability and modelsTravaux en français237 207