Application and evaluation of McICA scheme with new radiation code in BCC_AGCM2.0.1
Notice bibliographique
Résumé
Abstract. This research incorporates the Monte Carlo Independent Column Approximation (McICA) scheme with the correlated k-distribution BCC-RAD radiation model into the climate model BCC_AGCM2.0.1 and examines the impacts on modeled climate through several simulations with variations in cloud structures. Results from experiments with consistent sub-grid cloud structures show that both clear-sky radiation fluxes and cloud radiative forcings (CRFs) calculated by the new scheme are mostly improved relative to those calculated from the original one. The modeled atmospheric temperature and specific humidity are also improved due to changes in the radiative heating rates. The vertical overlap of fractional clouds and horizontal distribution of cloud condensation are important for computing CRFs. The maximum changes in seasonal CRF using the general overlap assumption (GenO) with different decorrelation depths (Lcf) are larger than 10 and 20 Wm2 for longwave (LW) CRF and shortwave (SW) CRF, respectively, mostly located in the Tropics and mid-latitude storm tracks. Larger (smaller) Lcf in the Tropics (mid-latitude storm tracks) yield better cloud fraction and CRF compared with observations. The inclusion of an observation-based horizontal inhomogeneity of cloud condensation has a distinct impact on LW CRF and SW CRF, with global means of ∼1.2 Wm−2 and ∼3.7 Wm−2 at the top of atmosphere, respectively, making these much closer to observations. These results prove the reliability of the new model configuration to be used in BCC_AGCM2.0.1 for climate simulations, and also indicate that more detailed real-world information on cloud structures should be obtained to constrain cloud settings in McICA in the future.
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) | 0,000 | 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 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 ».