MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388412339 · doi:10.5194/gmd-2023-193-rc2

Reply on AC1

2023· peer-review· en· W4388412339 sur OpenAlexaff
Zijun Liu, Li Dong, Huiling Yuan, Xingrong Li, Dongmei Meng, Xiaobin Qiu, Dingyuan Liang, Yafei Wang

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesSouthern University of Science and TechnologyEuropean Centre for Medium-Range Weather ForecastsNational Natural Science Foundation of China
Mots-clésMesoscale meteorologySuiteMeteorologyPrecipitationClimate modelEnvironmental scienceClimatologyGeologyGeographyClimate change

Résumé

récupéré en direct d'OpenAlex

Abstract. A historic rainstorm occurred over Henan, China in July 2021 ("7.20" extreme precipitation event), resulting in significant human casualties and socio-economic losses. A global variable-resolution model (MPAS-Atmosphere v7.3) was employed to simulate this extreme precipitation event, by bridging the hydrostatic and non-hydrostatic scales together. A series of simulations have been done at both quasi-uniform (60 km and 15 km) and variable-resolution meshes (60–15 km and 60–3 km). For the 48-hour peak precipitation duration (07/20–07/22), the 60–3 km variable-resolution simulation coupled with the scale-aware convection-permitting parameterization scheme suite stands out predominately among other simulation experiments as it reproduces this extreme precipitation event most accurately, in terms of both the intensity and location of the peak precipitation. At 15-km resolution, the 60–15 km variable-resolution simulation achieves comparable forecasting skills as the 15-km quasi-uniform simulation, but at a much reduced computing cost. In addition, at 15-km resolution, we found that the default mesoscale suite generally outperforms the convection-permitting suite at 15-km resolution as simulations coupled with convection-permitting suite missed the 3rd peak of this extreme precipitation event while the mesoscale suite did not. This implies that, when the resolution of the refined region is coarser than the cloud-resolving scale, the convection-permitting parameterization scheme suite does not necessarily work better than the default mesoscale suite, but once the refined mesh is close to the cloud-resolving scale, the convection-permitting suite becomes scale aware such that it can intelligently distinguish the convective precipitation and grid-scale precipitation, respectively. Finally, it is found that the large-scale wind field plays a vital role in affecting extreme precipitation simulations since it primarily influences the transport of the water vapor flux thereby altering the prediction of the precise peak precipitation location.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil0,959

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0170,015
Charge utile insuffisante (le modèle a refusé de juger)0,2870,182

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 Opus0,093
Tête enseignante GPT0,302
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMeteorological Phenomena and Simulations→Travaux en français237 207→