Parameterization of Cloud Microphysics Based on the Prediction of Bulk Ice Particle Properties. Part II: Case Study Comparisons with Observations and Other Schemes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A new microphysics scheme has been developed based on the prediction of bulk particle properties for a single ice-phase category, in contrast to the traditional approach of separating ice into various predefined species (e.g., cloud ice, snow, and graupel). In this paper, the new predicted particle properties (P3) scheme, described in Part I of this series, is tested in three-dimensional simulations using the Weather Research and Forecasting (WRF) Model for two contrasting well-observed cases: a midlatitude squall line and winter orographic precipitation. Results are also compared with simulations using other schemes in WRF. Simulations with P3 can produce a wide variety of particle characteristics despite having only one free ice-phase category. For the squall line, it produces dense, fast-falling, hail-like ice near convective updraft cores and lower-density, slower-falling ice elsewhere. Sensitivity tests show that this is critical for simulating high precipitation rates observed along the leading edge of the storm. In contrast, schemes that represent rimed ice as graupel, with lower fall speeds than hail, produce lower peak precipitation rates and wider, less distinct, and less realistic regions of high convective reflectivity. For the orographic precipitation case, P3 produces areas of relatively fast-falling ice with characteristics of rimed snow and low- to medium-density graupel on the windward slope. This leads to less precipitation on leeward slopes and more on windward slopes compared to the other schemes that produce large amounts of snow relative to graupel (with generally the opposite for schemes with significant graupel relative to snow). Overall, the new scheme produces reasonable results for a reduced computational cost.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle