MétaCan
Menu
Retour à la cohorte
Enregistrement W3041529978 · doi:10.2166/wcc.2020.036

Sensitivity of physical parameterization schemes in WRF model for dynamic downscaling of climatic variables over the MRB

2020· article· en· W3041529978 sur OpenAlexaff
Lia Pervin, Thian Yew Gan

Notice bibliographique

RevueJournal of Water and Climate Change · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWeather Research and Forecasting ModelDownscalingShortwaveEnvironmental scienceClimatologyLongwaveMeteorologyAlbedo (alchemy)Shortwave radiationAtmospheric sciencesGeographyRadiative transferRadiationPrecipitationGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The Weather Research and Forecasting (WRF) model was tested through 18 different combinations of physics parameters to simulate the regional climate over the Mackenzie River Basin (MRB). The objective was to investigate the response to the physics parameters for dynamic downscaling of climatic variables. The rainfall, temperature, albedo, and surface pressure from the 18 different WRF setups were compared with the reference data and were found sensitive to land surface physics and microphysics and to the radiation physics. The combination of Noah Land Surface Physics with the WRF Single-moment 6-class microphysics and CAM shortwave and longwave schemes produced comparable results for summer 2009. This WRF setup was further tested for summers 1979–1991 and it was found that WRF could simulate air temperature more accurately than the rainfall, since the rainfall over the mountainous regions was over-simulated. Then the selected combinations of WRF parameterizations were used to downscale the CanESM2 historical temperature and rainfall for summers 1979–2005, which showed good agreement with the reference data. The suggested WRF parameters from this study could be utilized for regional climate modeling of MRB.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,044
Tête enseignante GPT0,269
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Climate ChangeMême sujetClimate variability and modelsTravaux en français237 207