MétaCan
Menu
← Retour à la cohorte
Enregistrement W1936061803 · doi:10.5194/acp-16-9273-2016

Theoretical analysis of mixing in liquid clouds – Part 3: Inhomogeneousmixing

2016· article· en· W1936061803 sur OpenAlexaff
Mark Pinsky, А. Хаин, Alexei Korolev

Notice bibliographique

RevueAtmospheric chemistry and physics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesOffice of ScienceIsrael Science FoundationU.S. Department of Energy
Mots-clésMixing (physics)Volume (thermodynamics)ThermodynamicsEvaporationChemistryMechanicsHomogeneousDispersion (optics)PhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract. An idealized model of time-dependent mixing between cloud and non-cloud volumes is analyzed. Initial droplet size distribution (DSD) in cloud volume is assumed to be monodisperse. Both analytical investigation and parcel model investigation are used to study mixing processes and solve diffusion-evaporation equations. It is shown that the evolution of microphysical variables and the final equilibrium stage are unambiguously determined by two non-dimensional parameters. The first parameter, R, which is proportional to the ratio of the saturation deficit to the liquid water content in a cloud volume, determines whether the equilibrium stage is reached at 100 % relative humidity, or, rather, leads to a full evaporation of cloud droplets. The second parameter, Da, is the Damkölher number, which is equal to the ratio of the characteristic mixing time and phase relaxation time. This parameter (together with parameter R) determines whether mixing takes place according to a homogeneous or an inhomogeneous scenario. An analysis of the results obtained within a wide range of parameters R and Da is presented. It is shown that there is no pure homogeneous mixing, since the first stage of mixing is always inhomogeneous. Turbulent mixing between different volumes always starts as inhomogeneous and the mixing type can change during the mixing process. At any values of governing parameters, mixing leads to the formation of a tail of small droplets in the DSD and therefore to DSD broadening. The broadening depends onDa and the final DSD dispersion can be as large as 0.2 at large Da. The total duration of the mixing process varies from several to one hundred phase relaxation times, depending on R and Da. Delimitation between the types of mixing on the Da–R plane is carried out. The definitions of homogeneous and inhomogeneous mixings are reconsidered and clarified. The paper also compares the results of the current study with those obtained with classical mixing concepts.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physics→Même sujetParticle Dynamics in Fluid Flows→Travaux en français237 207→