A Multicloud Model for Coastal Convection
Notice bibliographique
Résumé
Coastal convection is often organized into multiple mesoscale systems that propagate in either direction across the coastline (i.e., landward and oceanward). These systems interact non-trivially with synoptic and intraseasonal disturbances such as convectively coupled waves and the Madden–Julian oscillation. Despite numerous theoretical and observational efforts to understand coastal convection, global climate models still fail to represent it adequately, mainly because of limitations in spatial resolution and shortcomings in the underlying cumulus parameterization schemes. Here, we use a simplified climate model of intermediate complexity to simulate coastal convection under the influence of the diurnal cycle of solar heating. Convection is parameterized via a stochastic multicloud model (SMCM), which mimics the subgrid dynamics of organized convection due to interactions (through the environment) between the cloud types that characterize organized tropical convection. Numerical results demonstrate that the model is able to capture the key modes of coastal convection variability, such as the diurnal cycle of convection and the accompanying sea and land breeze reversals, the slowly propagating mesoscale convective systems that move from land to ocean and vice-versa, and numerous moisture-coupled gravity wave modes. The physical features of the simulated modes, such as their propagation speeds, the timing of rainfall peaks, the penetration of the sea and land breezes, and how they are affected by the latitudinal variation in the Coriolis force, are generally consistent with existing theoretical and observational studies.
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 | 0,000 | 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 ».