A Shallow‐Deep Unified Stochastic Mass Flux Cumulus Parameterization in the Single Column Community Climate Model
Notice bibliographique
Résumé
Abstract Cumulus parameterization (CP) in state‐of‐the‐art global climate models is based on the quasi‐equilibrium assumption (QEA), which views convection as the action of an ensemble of cumulus clouds, in a state of equilibrium with respect to a slowly varying atmospheric state. This view is not compatible with the organization and dynamical interactions across multiple scales of cloud systems in the tropics and progress in this research area was slow over decades despite the widely recognized major shortcomings. Novel ideas on how to represent key physical processes of moist convection‐large‐scale interaction to overcome the QEA have surged recently. The stochastic multicloud model (SMCM) CP in particular mimics the dynamical interactions of multiple cloud types that characterize organized tropical convection. Here, the SMCM is used to modify the Zhang‐McFarlane (ZM) CP by changing the way in which the bulk mass flux and bulk entrainment and detrainment rates are calculated. This is done by introducing a stochastic ensemble of plumes characterized by randomly varying detrainment level distributions based on the cloud area fraction of the SMCM. The SMCM is here extended to include shallow cumulus clouds resulting in a unified shallow‐deep CP. The new stochastic multicloud plume CP is validated against the control ZM scheme in the context of the single column Community Climate Model of the National Center for Atmospheric Research using data from both tropical ocean and midlatitude land convection. Some key features of the SMCM CP such as it capability to represent the tri‐modal nature of organized convection are emphasized.
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 | 0,004 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».