Characterizing and Constraining Uncertainty Associated with Surface and Boundary Layer Turbulent Fluxes in Simulations of Lake-Effect Snowfall
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Lake-effect snow (LeS) storms are driven by strong turbulent surface layer (SL) and planetary boundary layer (PBL) fluxes of heat and moisture caused by the flow of cold air over relatively warm water. To investigate the sensitivity of simulated LeS to the parameterization of SL and PBL turbulence, high-resolution simulations of two major storms, downwind of Lakes Superior and Ontario, are conducted using the Weather Research and Forecasting Model. Multischeme and parameter sensitivity experiments are conducted. Measurements of overlake fluxes and downwind snowfall are used to evaluate the simulations. Consistent with previous studies, LeS is found to be strongly sensitive to SL and PBL parameterization choices. Simulated precipitation accumulations differ by up to a factor of 2 depending on the schemes used. Differences between SL schemes are the dominant source of this sensitivity. Parameterized surface fluxes of sensible and latent heat can each vary by over 100 W m−2 between SL schemes. The magnitude of these fluxes is correlated with the amount of downwind precipitation. Differences between PBL schemes play a secondary role, but have notable impacts on storm morphology. Many schemes produce credible simulations of overlake fluxes and downwind snowfall. However, the schemes that produce the largest surface fluxes produce fluxes and precipitation accumulations that are biased high relative to observations. For two SL schemes studied in detail, unrealistically large fluxes can be attributed to parameter choices: the neutral stability turbulent Prandtl number and the threshold friction velocity used for defining regimes in the overwater surface roughness calculation.
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.
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) | 0,000 | 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 découle