Implementation of a double moment cloud microphysics scheme in the UK met office regional numerical weather prediction model
Notice bibliographique
Résumé
Abstract Cloud microphysics parametrizations control the transfer of water between phases and hydrometeor species in numerical weather prediction and climate models. As a fundamental component of weather modelling systems cloud microphysics can determine the intensity and timing of precipitation, the extent and longevity of cloud cover and its impact on radiative balance, and directly influence near surface weather metrics such as temperature and wind. In this paper we introduce and demonstrate the performance of a double moment cloud microphysical scheme (CASIM: Cloud AeroSol Interacting Microphysics) in both midlatitude and tropical settings using the same model configuration. Comparisons are made against a control configuration using the current operational single moment cloud microphysics, and CASIM configurations that use fixed in‐cloud droplet number or compute cloud droplet number concentration from the aerosol environment. We demonstrate that configuring CASIM as a single moment scheme results in precipitation rate histograms that match the operational single moment microphysics. In the midlatitude setting, results indicate that CASIM performs as well as the single moment microphysics configuration, but improves certain aspects of the surface precipitation field such as greater extent of light (1 mm hr) rain around frontal precipitation features. In the tropical setting, CASIM outperforms the single moment cloud microphysics as evident from improved comparison with radar derived precipitation rates.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».