Evaluation of Marine Boundary layer cloud in the NCEP Climate Forecast System (Version 2) via Stochastic Multicloud Model
Notice bibliographique
Résumé
Marine boundary layer (MBL) cloud is one of the major sources of uncertainty in the climate models and they have been identified in the Intergovernmental Panel on Climate Change’s (IPCC’s) fourth assessment as a primary source of uncertainty in determining the sensitivity of climate models. Further simulating it realistically is a huge challenge. To better represent organized convection in the Climate Forecast System version 2 (CFSv2), a stochastic multicloud model (SMCM) parameterization is adopted and it has showed promising improvement in different features of tropical convection. But the simulation of marine boundary cloud in CFSv2 SMCM (EXP1) is yet to be ascertained. We have calibrated the model by using radar observations and followed Markov-chain process to generate key parameters like transition probability, required for EXP1. This paper describes climate simulations of the EXP1 and 25 year run is made and last 20years are analysed. It replaces pre-existing convection scheme (CTL) and shows improvement in many aspects of climate compared to CTL. In addition, global distribution of MBL cloud is also improved and it is also with better agreement with observational analysis, which is inaccurate in CTL. Further, the transition from stratocumulus to trade cumulus is well simulated in EXP1. These results are also supported also by quantitative analyses like Root Mean Square Error (RMSE) etc. The improvement seen in EXP1 can be largely attributed to the general improved in the representation of shallow and cumulus clouds compared to CTL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».