The Climatic Impacts of a Satellite‐Based Parameterization of the Wegener‐Bergeron‐Findeisen Process for Large‐Scale Models
Notice bibliographique
Résumé
Abstract A satellite‐based temperature‐dependent parameterization of the Wegener‐Bergeron‐Findeisen (WBF) process that takes into account the subgrid‐scale variability of cloud thermodynamic phase within mixed‐phase clouds is developed and implemented in version 5.3 of the Community Atmosphere Model (CAM5.3). Its impact on cloud microphysical and macrophysical properties in experiments with prescribed sea surface temperature and sea ice concentrations as well as the cloud feedback response to a global warming perturbation is investigated. The parameterization significantly improves overestimates in the mass of ice within mixed‐phase clouds and ice effective radius relative to satellite observations, the former being superior to tuning the WBF process with a multiplicative constant. The parameterization also reduces overall biases in cloud fraction with respect to satellite observations, however, is due to compensating biases in existing simulated low biases in low‐level cloud cover and new increased biases in non‐low‐level cloud cover. The increased bias in non‐low‐level cloud cover is due to decreases in the rate of autoconversion of cloud ice that is a side effect of the WBF parameterization. While the WBF parameterization can significantly impact the magnitude of model biases in cloud properties and the cloud feedback, it does not significantly change their spatial distribution. Before observational constraints on WBF process rates become available, it is recommended that temperature‐dependent scalings of the WBF process are used to account for the subgrid‐scale variability of cloud phase rather than a constant scaling parameter as the former type of parameterization can more realistically simulate cloud properties relative to satellite observations.
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 | 0,001 | 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 ».