MYNN2 involves less computational e

MYNN2 involves less computational expense than MYNN3; MYNN3 more accurately portrays deeper mixed layers compared to theMellor– Yamada PBL scheme (Mellor and Yamada 1974, 1982); MYNN3 reasonably depicts statically stable boundary layer simulations supporting radiation fog development (Nakanishi and Niino 2006); MYNN2 improves the PBL depiction over nonlocal PBL schemes for springtime PBLs that support deep convection (Coniglio et al. 2013)

ผลลัพธ์ (ไทย) 1:

MYNN2 เกี่ยวข้องกับค่าใช้จ่ายที่คำนวณน้อยกว่า MYNN3 MYNN3 ปีเปรียบเทียบกับแผนพีบีแอลกรุ๊ป theMellor-ยามาดะ (Mellor และยามาดะ 1974, 1982); ชั้นผสมได้แม่นยำมากขึ้น MYNN3 มีภาพรังสีพัฒนาหมอก (Nakanishi และ Niino 2006); สนับสนุนจำลองชั้นขอบเขตแบบคงที่มีเสถียรภาพพอสมควร MYNN2 ช่วยดึงพีบีแอลกรุ๊ปผ่านแผนพีบีแอลกรุ๊ป nonlocal สำหรับฤดูใบไม้ผลิ PBLs ที่สนับสนุนการพาความร้อนลึก (Coniglio et al. 2013)

ผลลัพธ์ (ไทย) 2:

MYNN2 เกี่ยวข้องกับค่าใช้จ่ายในการคำนวณน้อยกว่า MYNN3; MYNN3 ถูกต้องมากขึ้น portrays ชั้นผสมลึกเมื่อเทียบกับโครงการ theMellor- ยามาดะ PBL (เมลเลอร์และยามาดะ 1974 1982); MYNN3 สมควรแสดงให้เห็นถึงความเสถียรคงที่จำลองชั้นขอบเขตการสนับสนุนการพัฒนารังสีหมอก (นากานิชิและ Niino 2006); MYNN2 ช่วยเพิ่มภาพ PBL มากกว่ารูปแบบ PBL ต่างแดนสำหรับ PBLs ฤดูใบไม้ผลิที่สนับสนุนการหมุนเวียน (Coniglio et al. 2013)

ผลลัพธ์ (ไทย) 3:

mynn2 เกี่ยวข้องกับการคำนวณค่าใช้จ่ายน้อยกว่า mynn3 ; mynn3 ถูกต้อง portrays ลึกชั้นผสมเมื่อเทียบกับ themellor – ยามาดะ จากโครงการ ( 1974 และ 1982 เมลเลอร์ ยามาดะ ) mynn3 พอสมควรให้ส่วนมั่นคงขอบชั้นจำลองการพัฒนาหมอกที่เกิดจากการแผ่รังสี ( นากา niino และ 2006 ) mynn2 ปรับปรุงจากภาพมากกว่ารูปแบบ PBL ต่างถิ่นเพื่อ pbls ฤดูใบไม้ผลิที่สนับสนุน แบบลึก ( coniglio et al . 2013 )