Stochastic parameterizations are continuously providing promising simulations of unresolved atmospheric processes for global climate models (GCMs). One of the stochastic multi-cloud model (SMCM) features is to mimic the life cycle of the three most common cloud types (congestus, deep, and stratiform) in tropical convective systems. To better represent organized convection in the Climate Forecast System version 2 (CFSv2), the SMCM parameterization is adopted in CFSv2 (SMCM-CTRL) in lieu of the pre-existing revised simplified Arakawa–Schubert (RSAS) cumulus scheme and has shown essential improvements in different large-scale features of tropical convection. But the sensitivity of the SMCM parameterization from the observations is yet to be ascertained. Radar data during the Dynamics of the Madden-Julian Oscillation (DYNAMO) field campaign is used to tune the SMCM in the present manuscript. The DYNAMO radar observations have been used to calibrate the SMCM using a Bayesian inference procedure to generate key time scale parameters for the transition probabilities of the underlying Markov chains of the SMCM as implemented in CFS (hereafter SMCM-DYNAMO). SMCM-DYNAMO improves many aspects of the mean state climate compared to RSAS, and SMCM-CTRL. Significant improvement is noted in the rainfall probability distribution function over the global tropics. The global distribution of different types of clouds, particularly low-level clouds, is also improved. The convective and large-scale rainfall simulations are investigated in detail.

中文翻译：

---

使用经 DYNAMO 雷达数据校准的随机多云模型评估 NCEP 气候预测系统（第 2 版）模拟中的平均状态

随机参数化不断为全球气候模型 (GCM) 提供对未解析大气过程的有希望的模拟。随机多云模型 (SMCM) 的一项功能是模拟热带对流系统中三种最常见的云类型（稠密云、深云和层云）的生命周期。为了更好地表示气候预测系统第 2 版 (CFSv2) 中的有组织对流，CFSv2 (SMCM-CTRL) 中采用了 SMCM 参数化，以代替预先存在的修订简化 Arakawa-Schubert (RSAS) 积云方案，并已显示出重大改进热带对流的不同大尺度特征。但 SMCM 从观测参数化的敏感性尚待确定。Madden-Julian Oscillation (DYNAMO) 野外活动期间的雷达数据用于调整本手稿中的 SMCM。DYNAMO 雷达观测已用于使用贝叶斯推理程序校准 SMCM，以生成关键时间尺度参数，用于在 CFS（以下简称 SMCM-DYNAMO）中实现的 SMCM 的基础马尔可夫链的转移概率。与 RSAS 和 SMCM-CTRL 相比，SMCM-DYNAMO 改善了平均状态气候的许多方面。全球热带地区的降雨概率分布函数有显着改善。不同类型云，特别是低层云的全球分布也得到改善。详细研究了对流和大尺度降雨模拟。DYNAMO 雷达观测已用于使用贝叶斯推理程序校准 SMCM，以生成关键时间尺度参数，用于在 CFS（以下简称 SMCM-DYNAMO）中实施的 SMCM 的基础马尔可夫链的转移概率。与 RSAS 和 SMCM-CTRL 相比，SMCM-DYNAMO 改善了平均状态气候的许多方面。全球热带地区的降雨概率分布函数有显着改善。不同类型云，特别是低层云的全球分布也得到改善。详细研究了对流和大尺度降雨模拟。DYNAMO 雷达观测已用于使用贝叶斯推理程序校准 SMCM，以生成关键时间尺度参数，用于在 CFS（以下简称 SMCM-DYNAMO）中实施的 SMCM 的基础马尔可夫链的转移概率。与 RSAS 和 SMCM-CTRL 相比，SMCM-DYNAMO 改善了平均状态气候的许多方面。全球热带地区的降雨概率分布函数有显着改善。不同类型云，特别是低层云的全球分布也得到改善。详细研究了对流和大尺度降雨模拟。