Enhanced modelling of the stratified atmospheric boundary layer over steep terrain for wind resource assessment
Notice bibliographique
Résumé
Abstract The Mesoscale Compressible Community (MC2) model [1], devoted for weather forecasting and used in the Wind Energy Simulation Toolkit (WEST) [2], performs well for simulations over flat, gentle and moderate terrain slopes but is subject to numerical instability and strong spurious flows in presence of steep topography. To remove its inherent computational mode and reduce the wind overestimation due to terrain-induced numerical noise, a new semi-implicit (N-SI) scheme [3] was implemented to discretize and linearize the non-hydrostatic Euler equations with respect the mean values of pressure and temperature instead of arbitrary reference state values, redefining as well the buoyancy to use it as the thermodynamic prognostic variable. Additionally, the climate-state classification of the statistical-dynamical downscaling (SDD) method [4] is upgraded by including the Brunt-Väisälä frequency that accounts for the atmospheric thermal stratification effect on wind flow over topography. The present study provides a real orographic flow validation of these numerical enhancements in MC2, assessing their individual and combined contribution for an improved initialization and calculation of the surface wind in presence of high-impact terrain. By statistically comparing the wind simulations with met-mast data, obtained within the Whitehorse area of the Canadian Rocky Mountains, it is confirmed that these numerical enhancements may reduce over 40 percent of the wind overestimation, thus, attaining more accurate results that ensure reliable wind resource assessments over complex terrain.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».