Cloud fraction parameterization as a function of mean cloud water content and its variance using in‐situ observations
Notice bibliographique
Résumé
The main objective of the present work is to use in‐situ data to parameterize cloud fraction (Cs) as a function of both cloud condensed water content and its variability over scales of 10 km and 100 km. In‐situ data were obtained during the Alliance Icing Research Study (AIRS) field project and represent mid‐latitude winter stratiform clouds. The main observations used in the analysis were condensed total water content (qc) and liquid water content. It is shown that Cs, defined as the length of cloudy segments divided by the clear and cloudy segments along a flight leg, can change up to 5%–25% if the averaging scale is changed from 10 km to 100 km. A new parameterization of Cs versus the ratio of qc to its variance is suggested. The sub‐grid scale variability is usually not known directly from the models and it needs to be obtained by prognostic or diagnostic equations. It is found that cloud sub‐grid variability, represented by the standard deviation (σ) of qc, increases with increasing qc for both 10 and 100 km scales, and σqc for 10 km scales is larger by about 50% as compared to 100 km scales for a given qc value. These conclusions suggest that both averaging scales and sub‐grid scale variability should be considered for cloud cover parameterizations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».