MétaCan
Menu
Retour à la cohorte
Enregistrement W4404162062 · doi:10.1175/jas-d-23-0204.1

Investigating the Effects of Orography and Ambient Wind on Deep Convection over Tropical Islands

2024· article· en· W4404162062 sur OpenAlexaff
F. J. Robinson, Daniel J. Kirshbaum, Steven C. Sherwood, Erica Juliano, Chuntao Liu

Notice bibliographique

RevueJournal of the Atmospheric Sciences · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensMcGill University
Organismes subventionnairesScience and Engineering Research CouncilAustralian Research Council
Mots-clésOrographyDeep convectionConvectionClimatologyAtmospheric sciencesEnvironmental scienceGeologyMeteorologyTropical AtlanticPrecipitationSea surface temperatureGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Using an observation–model synthesis, we investigate variations of cumulus convection over islands with varying characteristics and under varying environmental conditions to clarify controls on convective vigor. In this paper, we define the intensity of deep convection as the average 40-dBZ-radar echo-top height or 85-GHz brightness temperature among raining precipitation features having 40-dBZ echoes (RPF40s) and the frequency of deep convection as the fraction of RPF40s to the total number of precipitation features. Examination of the Tropical Rainfall Measuring Mission (TRMM) satellite database (1994–2015) of 272 tropical and subtropical islands reveals a modest weakening of convective intensity with increased terrain height h or ambient wind U (for a given island area A) and a strengthening with increasing A. Quasi-idealized, convection-permitting simulations broadly reproduce these sensitivities to h and A, but not that to U. In both observations and simulations, intensity increases with the island-averaged convective available potential energy (CAPE). Because CAPE generally decreases over taller islands that protrude deeper into the free troposphere, convective intensity varies inversely with h. The frequency increases with the total island area over which both large CAPE and strong near-surface horizontal convergence coincide. This trend favors higher frequencies over larger islands with complex (but shallow) terrain. The model’s inability to reproduce the observed decrease of convective intensity with U stems from a negative observed correlation between CAPE and U that was neglected in the simulations. Thus, as with h, the negative observed trend between intensity and U ultimately stems from the impacts of CAPE on convective intensity.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Atmospheric SciencesMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207