MétaCan
Menu
Retour à la cohorte
Enregistrement W3149834656 · doi:10.1175/jas-d-20-0240.1

A Scale-Adaptive Turbulence Model for the Dry Convective Boundary Layer

2021· article· en· W3149834656 sur OpenAlexaff
Bowen Zhou, Yuhuan Li, Shiguang Miao

Notice bibliographique

RevueJournal of the Atmospheric Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Key Research and Development Program of ChinaNanjing UniversityNational Natural Science Foundation of China
Mots-clésTurbulenceBoundary layerConvectionPlanetary boundary layerConvective Boundary LayerLarge eddy simulationMechanicsMeteorologyTurbulence kinetic energyTurbulence modelingPhysicsClosure (psychology)Statistical physics

Résumé

récupéré en direct d'OpenAlex

Abstract A scale-adaptive model is developed for the representation of dry convective boundary layer (CBL) turbulence in numerical models operating at O (100) m to O (1) km horizontal resolution, also known as the model gray zone of the CBL. The new model is constructed based on a planetary boundary layer (PBL) scheme and a large-eddy simulation (LES) closure that are both turbulence kinetic energy–based parameterizations. Scale adaptivity is achieved by “blending” the PBL scheme with the LES closure through an inverse averaging procedure that naturally accounts for vertical variations of the dominant turbulent length scales, hence the gray zone range. High-resolution wide-domain LES benchmark cases covering a broad range of CBL bulk stability are filtered to gray zone resolutions, and analyzed to determine the averaging coefficients. Stability dependence of the dominant length scales is revealed by the analysis and accounted for in the new model. The turbulence model is implemented into a community atmospheric model, and tested for idealized cases. Compared to two established gray zone models, the new model performs equally well under strongly convective conditions, and is more advantageous for the weakly unstable and near neutral CBL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,113
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,248
Écart entre enseignants0,224 · 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 tête enseignante, 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Atmospheric SciencesMême sujetWind and Air Flow StudiesTravaux en français237 207