Scale-Similarity Subgrid-Scale Turbulence Closure for Supercell Simulations at Kilometer-Scale Resolutions: Comparison against a Large-Eddy Simulation
Notice bibliographique
Résumé
Abstract In numerical simulations of deep convection at kilometer-scale horizontal resolutions, in-cloud subgrid-scale (SGS) turbulence plays an important role in the transport of heat, moisture, and other scalars. By coarse graining a 50 m high-resolution large-eddy simulation (LES) of an idealized supercell storm to kilometer-scale grid spacings ranging from 250 m to 4 km, the SGS fluxes of heat, moisture, cloud, and precipitating water contents are diagnosed a priori. The kilometer-scale simulations are shown to be within the “gray zone” as in-cloud SGS turbulent fluxes are comparable in magnitude to the resolved fluxes at 4 km spacing, and do not become negligible until ~500 m spacing. Vertical and horizontal SGS fluxes are of comparable magnitudes; both exhibit nonlocal characteristics associated with deep convection as opposed to local gradient-diffusion type of turbulent mixing. As such, they are poorly parameterized by eddy-diffusivity-based closures. To improve the SGS representation of turbulent fluxes in deep convective storms, a scale-similarity LES closure is adapted to kilometer-scale simulations. The model exhibits good correlations with LES-diagnosed SGS fluxes, and is capable of representing countergradient fluxes. In a posteriori tests, supercell storms simulated with the refined similarity closure model at kilometer-scale resolutions show better agreement with the LES benchmark in terms of SGS fluxes than those with a turbulent-kinetic-energy-based gradient-diffusion scheme. However, it underestimates the strength of updrafts, which is suggested to be a consequence of the model effective resolution being lower than the native grid resolution.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».