Analysis of CCCma radiative transfer calculations for low level overcast liquid clouds over ARM SGP and ENA sites
Notice bibliographique
Résumé
This study evaluates the Canadian Centre for Climate Modeling and Analysis (CCCma) radiative transfer model (RTM) to estimate shortwave (SW) fluxes at both the surface and top of atmosphere (TOA) for low-level overcast liquid clouds. Calculations are evaluated against measurements at the ARM Southern Great Plains (SGP, land) and Eastern North Atlantic (ENA, ocean) sites, as well as TOA fluxes inferred from NASA CERES. Mean observed surface (TOA) SW fluxes for the selected cases are 235.7 W m-² (473.8 W m-²) at SGP and 348.7 W m-² (356.4 W m-²) at ENA. Cloud microphysical properties retrieved from CERES MODIS are input into the CCCma using three assumed profiles: (1) cloud droplet effective radius (re) and liquid water content (LWC) constant with height; (2) LWC and re increasing linearly with height; and (3) LWC and re increasing linearly from cloud base to ¾ height and then decreasing linearly up to cloud top. Overall, Method 3 produces the best results at both sites. At SGP, mean biases (RMSE) are -5.0 W m-² (44.6 W m-²) at the surface and -4.6 W m-2 (25.4 W m-²) at TOA. At ENA, errors are +0.2 W m-² (121.3 W m-²) at the surface and -8.0 W m-² (26.1 W m-²) at TOA. Further screening cases with good agreement between satellite- and surface-based cloud properties, RMSEs for surface fluxes decrease to 24.3 and 25.8 W m-² at SGP and ENA. Comparisons with CERES Fu-Liou calculations showed overall better performance by the CCCma, especially at ENA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».