MétaCan
Menu
Retour à la cohorte
Enregistrement W4235629914 · doi:10.5194/acp-2021-344-supplement

Supplementary material to "Surface deposition of marine fog and its treatment in the WRF model"

2021· preprint· en· W4235629914 sur OpenAlexaff
Peter A. Taylor, Zheqi Chen, Cheng Li, Soudeh Afsharian, Wensong Weng, George A. Isaac, T. Bullock, Yongsheng Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWeather Research and Forecasting ModelDeposition (geology)Environmental scienceAtmospheric sciencesPhysicsGeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

A "Katata like" approach with module_bl_mynn and module_sf_fogdes: A quick fix to increase deposition of Qc to a water surface with module_bl_mynn could be to modify the WRF implementation of the Katata scheme in module_sf_fogdes to allow an extra land use category "water" with a more appropriate estimate of vdfg, the deposition velocity (m/s) of fog mixing ratio (Qc, kg/kg). There is however an additional complication in that module_bl_fogdes deals with gravitational settling of fog droplets through the air column as well as to the surface. However, as explained in a note posted at https://repository.library.noaa.gov/view/noaa/19837, that process is also dealt with in the microphysics module_mp_thompson. It should not be double counted. The Thompson microphysics code removes cloud droplets from the lowest level with its settling velocity sed_n(k) and relationships like nc(k) = MAX(10., nc(k) + (sed_n(k+1)-sed_n(k)) *odzq*DT).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,012
Tête enseignante GPT0,235
Écart entre enseignants0,223 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOil Spill Detection and MitigationTravaux en français237 207