Significance of Cloud Microphysics and Cumulus Parameterization Schemes in Simulating an Extreme Flood-Producing Precipitation Event in the Central Himalaya
Notice bibliographique
Résumé
Between 11 and 14 August 2017, the southern belt of the central Himalaya experienced extreme precipitation, with some stations recording more than 500 mm of accumulated rainfall, which resulted in widespread, devastating flooding. Precipitation was concentrated over the sub-Himalaya, and the established forecasting systems failed to predict the event. In this study, we evaluate the performance of six cloud microphysics schemes in the Weather Research and Forecasting (WRF) model forced with the advanced ERA5 dataset. We also examine the importance of the cumulus scheme in WRF at 3 km horizontal grid spacing in highly convective events like this. Six WRF simulations, each with one of the six different microphysics schemes with the Kain–Fritsch cumulus scheme turned off, all fail to reproduce the spatial variability of accumulated precipitation during this devastating flood-producing precipitation event. In contrast, the simulations exhibit greatly improved performance with the cumulus scheme turned on. In this study, the cumulus scheme helps to initiate convection, after which grid-scale precipitation becomes dominant. Amongst the different simulations, the WRF simulation using the Morrison microphysics scheme with the cumulus turned on displayed the best performance, with the smallest normalized root mean square error (NRMSE) of 0.25 and percentage bias (PBIAS) of −6.99%. The analysis of cloud microphysics using the two best-performing simulations reveals that the event is strongly convective, and it is essential to keep the cumulus scheme on for such convective events and capture all the precipitation characteristics showing that in regions of extreme topography, the cumulus scheme is still necessary even down to the grid spacing of at least 3 km.
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 | 0,000 | 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 ».