MétaCan
Menu
Retour à la cohorte
Enregistrement W2897785787 · doi:10.5194/gmd-12-2107-2019

Convective response to large-scale forcing in the tropical western Pacific simulated by spCAM5 and CanAM4.3

2019· article· en· W2897785787 sur OpenAlexaffabout
Toni Mitovski, Jason N. S. Cole, N. A. McFarlane, Knut von Salzen, Guang J. Zhang

Notice bibliographique

RevueGeoscientific model development · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesBiological and Environmental ResearchOffice of ScienceLawrence Livermore National LaboratoryU.S. Department of Energy
Mots-clésConvective available potential energyPrecipitationConvectionClimatologyFree convective layerAtmospheric sciencesForcing (mathematics)Environmental scienceTroposphereConvective inhibitionAtmospheric convectionMeteorologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. Changes in the large-scale environment during convective precipitation events in the tropical western Pacific simulated by version 4.3 of the Canadian Atmospheric Model (CanAM4.3) are compared against those simulated by version 5.0 of the super-parameterized Community Atmosphere Model (spCAM5). This is done by compositing sub-hourly output of convective rainfall, convective available potential energy (CAPE), CAPE generation due to large-scale forcing in the free troposphere (dCAPELSFT) and near-surface vertical velocity (ω) over the time period May–July 1997. Compared to spCAM5, CanAM4.3 tends to produce more frequent light convective precipitation (<0.2 mm h−1) and underestimates the frequency of extreme convective precipitation (>2 mm h−1). In spCAM5, 5 % of convective precipitation events lasted less than 1.5 h and 75 % lasted between 1.5 and 3.0 h, while in CanAM4.3 80 % of the events lasted less than 1.5 h. Convective precipitation in spCAM5 is found to be a function of dCAPELSFT and the large-scale near-surface ω with variations in ω slightly leading variations in convective precipitation. Convective precipitation in CanAM4.3 does not have the same dependency and instead is found to be a function of CAPE.

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 enseignants0,431
Score d'incertitude au seuil0,857

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetClimate variability and modelsTravaux en français237 207