Scale‐Aware Space‐Time Stochastic Parameterization of Subgrid‐Scale Velocity Enhancement of Sea Surface Fluxes
Notice bibliographique
Résumé
Abstract Stochastic representation of the influence of the subgrid‐scales on the resolved scales in weather and climate models has been shown to improve ensemble spread and resolved variability. We propose a statistical scale‐aware space‐time model to characterize the contribution of mesoscale wind variability to air‐sea exchanges. In an earlier study, we analyzed the difference between “true” fluxes computed from a high resolution simulation and “resolved” fluxes obtained by coarse graining. This discrepancy is modeled in space and time, conditioned on the coarse‐grained wind and precipitation fields, to parameterize the enhancement of fluxes by mesoscale velocity variations. Stochastic parameterization models have traditionally been developed for particular model resolutions without the explicit capability to adapt to model resolution. We present an approach to develop stochastic models that adapt to resolution in a scale‐aware fashion. The scale‐aware parameterization is developed from empirical results for systematically coarse‐grained high‐resolution numerical model output. The statistical model is fit from numerical model output at three different coarsening resolutions. From this scale‐aware parameterization, we derive a stochastic parameterization of flux enhancement by subgrid velocity variations for arbitrary resolutions and characterize the conditional distributions and space‐time structures of the flux enhancement across model resolutions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».