A Lagrangian Perspective on Parameterizing Deep Convection
Notice bibliographique
Résumé
Abstract The parameterization of deep moist convection as a subgrid-scale process in numerical models of the atmosphere is required at resolutions that extend well into the convective “gray zone,” the range of grid spacings over which such convection is partially resolved. However, as model resolution approaches the gray zone, the assumptions upon which most existing convective parameterizations are based begin to break down. We focus here on one aspect of this problem that emerges as the temporal and spatial scales of the model become similar to those of deep convection itself. The common practice of static tendency application over a prescribed adjustment period leads to logical inconsistencies at resolutions approaching the gray zone, while more frequent refreshment of the convective calculations can lead to undesirable intermittent behavior. A proposed parcel-based treatment of convective initiation introduces memory into the system in a manner that is consistent with the underlying physical principles of convective triggering, thus reducing the prevalence of unrealistic gradients in convective activity in an operational model running with a 10 km grid spacing. The subsequent introduction of a framework that considers convective clouds as persistent objects, each possessing unique attributes that describe physically relevant cloud properties, appears to improve convective precipitation patterns by depicting realistic cloud memory, movement, and decay. Combined, this Lagrangian view of convection addresses one aspect of the convective gray zone problem and lays a foundation for more realistic treatments of the convective life cycle in parameterization schemes.
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) | 0,011 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».