Evaluation of the convection-permitting regional climate model CNRM-AROME41t1 over Northwestern Europe
Notice bibliographique
Résumé
Abstract Since a decade, convection-permitting regional climate models (CPRCM) have emerged showing promising results, especially in improving the simulation of precipitation extremes. In this article, the CPRCM CNRM-AROME developed at the Centre National de Recherches Météorologiques (CNRM) since a few years is described and evaluated using a 2.5-km 19-year long hindcast simulation over a large northwestern European domain using different observations through an added-value analysis in which a comparison with its driving 12-km RCM CNRM-ALADIN is performed. The evaluation is challenging due to the lack of high-quality observations at both high temporal and spatial resolutions. Thus, a high spatio-temporal observed gridded precipitation dataset was built from the collection of seven national datasets that helped the identification of added value in CNRM-AROME. The evaluation is based on a series of standard climatic features that include long-term means and mean annual cycles of precipitation and near-surface temperature where CNRM-AROME shows little improvements compared to CNRM-ALADIN. Additional indicators such as the summer diurnal cycle and indices of extreme precipitation show, on the contrary, a more realistic behaviour of the CNRM-AROME model. Moreover, the analysis of snow cover shows a clear added-value in the CNRM-AROME simulation, principally due to the improved description of the orography with the CPRCM high resolution. Additional analyses include the evaluation of incoming shortwave radiation, and cloud cover using satellite estimates. Overall, despite some systematic biases, the evaluation indicates that CNRM-AROME is a suitable CPRCM that is superior in many aspects to the RCM CNRM-ALADIN.
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 | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».