Evaluation of Shallow‐Cumulus Entrainment Rate Retrievals Using Large‐Eddy Simulation
Notice bibliographique
Résumé
Abstract A complete and quantitative understanding of cumulus entrainment remains elusive, in part due to the difficulty of directly observing cloud entrainment rates. Multiple approaches to ground‐based observational retrieval of bulk fractional entrainment rates ( ε ) within cumuli have been developed, such as the parcel model by Jensen and Del Genio (JDG, 2006, https://doi.org/10.1175/JCLI3722.1 ) and Entrainment Rate In Cumulus Algorithm (ERICA) by Wagner et al. (2013, https://doi.org/10.1175/JTECH-D-12-00187.1 ). In this paper, a new cumulus entrainment retrieval based on a turbulent kinetic energy (TKE) similarity theory is presented. This method estimates ε based on only the environmental and subcloud conditions. By conducting large‐eddy simulations of a range of continental and maritime shallow cumulus convection cases as Observing System Simulations Experiments, the first numerical verification of the three retrieval methods is produced. These simulations consider a broad range of shallow cumulus environments along with variations of the numerical configuration. The diagnosed ε from these simulations is found to be robustly larger in cumuli over the ocean than in cumuli over land. For continental cumuli, the experiments also reveal a diurnal cycle with increasing ε in the late afternoon. These diagnosed ε serve as the “truth” against which the pseudo‐retrieved entrainment rates from several different implementations of each retrieval are verified. Overall, the simpler JDG and TKE retrievals outperform the more sophisticated ERICA method and better capture the sensitivity to continentality. Only the TKE method reproduces the diurnal variations in ε within continental cumuli. The mean error in the ε retrievals are between 20% and 30% for the TKE and JDG methods, but 50% for ERICA.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,008 | 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 ».