Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "Wellmann, Marie-Constanze",
2
  "author": "Wellmann, Marie-Constanze",
            
3
  "author_email": "",
3
  "author_email": "",
            
4
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
4
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
            
5
  "doi": "10.35097/1131",
5
  "doi": "10.35097/1131",
            
6
  "doi_date_published": "2023",
6
  "doi_date_published": "2023",
            
7
  "doi_publisher": "",
7
  "doi_publisher": "",
            
8
  "doi_status": "True",
8
  "doi_status": "True",
            
9
  "groups": [],
9
  "groups": [],
            
10
  "id": "a6cb67e7-36da-440d-bd83-a5b109ff18ba",
10
  "id": "a6cb67e7-36da-440d-bd83-a5b109ff18ba",
            
11
  "isopen": false,
11
  "isopen": false,
            
12
  "license_id": "CC BY 4.0 Attribution",
12
  "license_id": "CC BY 4.0 Attribution",
            
13
  "license_title": "CC BY 4.0 Attribution",
13
  "license_title": "CC BY 4.0 Attribution",
            
14
  "metadata_created": "2023-08-04T08:50:06.921278",
14
  "metadata_created": "2023-08-04T08:50:06.921278",
            
t
15
  "metadata_modified": "2023-08-04T08:51:46.196913",
t
15
  "metadata_modified": "2023-08-04T08:53:16.686810",
            
16
  "name": "rdr-doi-10-35097-1131",
16
  "name": "rdr-doi-10-35097-1131",
            
17
  "notes": "Abstract: This study aims to identify model parameters 
17
  "notes": "Abstract: This study aims to identify model parameters 
            
18
describing atmospheric conditions such as wind shear and CCN 
18
describing atmospheric conditions such as wind shear and CCN 
            
19
concentration which lead to large uncertainties in the prediction of 
19
concentration which lead to large uncertainties in the prediction of 
            
20
deep convective clouds.\r\nIn an idealized setup of a cloud-resolving 
20
deep convective clouds.\r\nIn an idealized setup of a cloud-resolving 
            
21
model including a two-moment microphysics scheme we use the approach 
21
model including a two-moment microphysics scheme we use the approach 
            
22
of statistical emulation to allow for a Monte Carlo sampling of the 
22
of statistical emulation to allow for a Monte Carlo sampling of the 
            
23
parameter space, which enables a comprehensive sensitivity analysis. 
23
parameter space, which enables a comprehensive sensitivity analysis. 
            
24
We analyze the impact of six uncertain input parameters on cloud 
24
We analyze the impact of six uncertain input parameters on cloud 
            
25
properties (vertically integrated content of six hydrometeor classes), 
25
properties (vertically integrated content of six hydrometeor classes), 
            
26
precipitation and the size distribution of hail. \r\nThis dataset 
26
precipitation and the size distribution of hail. \r\nThis dataset 
            
27
contains the processed model output and the generated emulators for 
27
contains the processed model output and the generated emulators for 
            
28
three trigger mechanisms of deep convection (warm bubble, cold pool, 
28
three trigger mechanisms of deep convection (warm bubble, cold pool, 
            
29
orography).\r\nTechnicalRemarks: The csv-files contain the processed 
29
orography).\r\nTechnicalRemarks: The csv-files contain the processed 
            
30
model output (spatio-temporal means or maximum values) for output 
30
model output (spatio-temporal means or maximum values) for output 
            
31
parameters of interest. This dataset was used to train the emulators 
31
parameters of interest. This dataset was used to train the emulators 
            
32
which are also included as R workspaces. The R package \"Sensitivity\" 
32
which are also included as R workspaces. The R package \"Sensitivity\" 
            
33
is necessary to perform sensitivity analyses using the emulators.",
33
is necessary to perform sensitivity analyses using the emulators.",
            
34
  "num_resources": 0,
34
  "num_resources": 0,
            
35
  "num_tags": 0,
35
  "num_tags": 0,
            
36
  "orcid": "",
36
  "orcid": "",
            
37
  "organization": {
37
  "organization": {
            
38
    "approval_status": "approved",
38
    "approval_status": "approved",
            
39
    "created": "2023-01-12T13:30:23.238233",
39
    "created": "2023-01-12T13:30:23.238233",
            
40
    "description": "RADAR (Research Data Repository) is a 
40
    "description": "RADAR (Research Data Repository) is a 
            
41
cross-disciplinary repository for archiving and publishing research 
41
cross-disciplinary repository for archiving and publishing research 
            
42
data from completed scientific studies and projects. The focus is on 
42
data from completed scientific studies and projects. The focus is on 
            
43
research data from subjects that do not yet have their own 
43
research data from subjects that do not yet have their own 
            
44
discipline-specific infrastructures for research data management. ",
44
discipline-specific infrastructures for research data management. ",
            
45
    "id": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
45
    "id": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
            
46
    "image_url": "radar-logo.svg",
46
    "image_url": "radar-logo.svg",
            
47
    "is_organization": true,
47
    "is_organization": true,
            
48
    "name": "radar",
48
    "name": "radar",
            
49
    "state": "active",
49
    "state": "active",
            
50
    "title": "RADAR",
50
    "title": "RADAR",
            
51
    "type": "organization"
51
    "type": "organization"
            
52
  },
52
  },
            
53
  "owner_org": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
53
  "owner_org": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
            
54
  "private": false,
54
  "private": false,
            
55
  "production_year": "2018",
55
  "production_year": "2018",
            
56
  "publication_year": "2023",
56
  "publication_year": "2023",
            
57
  "publishers": [
57
  "publishers": [
            
58
    {
58
    {
            
59
      "publisher": "Karlsruhe Institute of Technology"
59
      "publisher": "Karlsruhe Institute of Technology"
            
60
    }
60
    }
            
61
  ],
61
  ],
            
62
  "relationships_as_object": [],
62
  "relationships_as_object": [],
            
63
  "relationships_as_subject": [],
63
  "relationships_as_subject": [],
            
64
  "repository_name": "RADAR (Research Data Repository)",
64
  "repository_name": "RADAR (Research Data Repository)",
            
65
  "resources": [],
65
  "resources": [],
            
66
  "services_used_list": "",
66
  "services_used_list": "",
            
67
  "source_metadata_created": "2023",
67
  "source_metadata_created": "2023",
            
68
  "source_metadata_modified": "",
68
  "source_metadata_modified": "",
            
69
  "state": "active",
69
  "state": "active",
            
70
  "subject_areas": [
70
  "subject_areas": [
            
71
    {
71
    {
            
72
      "subject_area_additional": "",
72
      "subject_area_additional": "",
            
73
      "subject_area_name": "Geological Science"
73
      "subject_area_name": "Geological Science"
            
74
    }
74
    }
            
75
  ],
75
  ],
            
76
  "tags": [],
76
  "tags": [],
            
77
  "title": "Training data and emulators for the analysis of 
77
  "title": "Training data and emulators for the analysis of 
            
78
sensitivity of deep convective clouds and hail to environmental 
78
sensitivity of deep convective clouds and hail to environmental 
            
79
conditions",
79
conditions",
            
80
  "type": "vdataset",
80
  "type": "vdataset",
            
81
  "url": "https://doi.org/10.35097/1131"
81
  "url": "https://doi.org/10.35097/1131"
            
82
}
82
}