The performance of modified CCCma RTM in representing the Global Clear-sky Downwelling Shortwave Flux
Notice bibliographique
Résumé
Abstract The clear-sky total shortwave (SW, 0.3-5 μm), visible (VIS, 0.3-0.7 μm), and near-infrared (NIR, 0.7-5 μm) SW fluxes at the surface calculated by the low-spectral resolution version of the CCCma radiative transfer model (RTM) have been compared with the high-spectral resolution of MODTRAN6.0.2.5 (M6.0) calculations. The CCCma RTM was modified with four spectral bands: VIS (0.2– 0.69 μm), NIR1 (0.69–1.19 μm), NIR2 (1.19–2.38 μm), and NIR3 (2.38 – 5 μm), and used the same inputs of atmospheric profiles, AOD, surface albedo as M6.0. The computed total SW fluxes at the surface (SWDN sfc ) from these two RTMs are then compared with the NASA CERES SYN1deg product, computed by the NASA Langley modified broadband Fu-Liou RTM. The global mean SWDN sfc are 246.5 W m −2 for M6.0, 246.4 W m −2 for CCCma, and 242.3 W m −2 for CERES SYN1deg product. The differences in SWDN sfc between three RTMs are remarkably low for global average, but with relatively large differences over the heavy dust and polluted regions, presumably due to different aerosol optical properties used in these RTMs. The assumption of lower SSA values used in CCCma is valid, which are responsible for higher VIS and lower NIR1 fluxes reaching the surface. The modified CCCma shows an excellent performance compared to M6.0, with very small differences in SWDN sfc , as well as across all four spectral bands. The different signs in ΔVIS and ΔNIR1 bands in comparison between CCCma and M6.0 result in the small differences in global total SW flux due to the cancelation. In addition to its accuracy, the modified CCCma RTM is also significantly faster than M6.0. This makes it an ideal choice for large-scale simulations where computationally efficiency is crucial.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».