MétaCan
Menu
Retour à la cohorte
Enregistrement W3017277348

Reconciling differences between large-eddy simulations and Doppler-lidar observations of continental shallow cumulus cloud-base vertical velocity

2019· article· en· W3017277348 sur OpenAlexaff
Satoshi Endo, Damao Zhang, Andrew M. Vogelmann, Pavlos Kollias, Katia Lamer, Mariko Oue, Heng Xiao, William I. Gustafson, David M. Romps

Notice bibliographique

RevueeScholarship (California Digital Library) · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAeolian processes and effects
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBuoyancyLidarGeologyDoppler effectCloud baseMeteorologyVertical velocityLarge eddy simulationConvectionLongwaveAtmospheric sciencesCloud computingEnvironmental scienceRadiationMechanicsRemote sensingPhysicsTurbulenceOpticsAstronomyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We investigate a significant model-observation difference found between cloud-base vertical velocity for continental shallow cumulus simulated using large-eddy simulations (LES) and observed by Doppler lidar measurements over the U.S. Southern Great Plains Atmospheric Radiation Measurement Facility. The LES cloud-base vertical velocity is dominated by updrafts that are consistent with a general picture for convective clouds but is inconsistent with Doppler lidar observations that also show the presence of considerable downdrafts. The underestimation of simulated downdrafts is found to be a robust feature, being insensitive to various numerical, physical, or dynamical choices. We find that simulations can more closely reproduce observations only after improving the model physics to use size-resolved microphysics and horizontal longwave radiation, both of which modify the cloud buoyancy and velocity structure near cloud side edges. The results suggest that treatments that capture these structures are needed for the proper simulation and subsequent parameterization development of shallow cumulus vertical transport.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,216
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetAeolian processes and effectsTravaux en français237 207