Cloud radar Doppler spectra in drizzling stratiform clouds: 1. Forward modeling and remote sensing applications
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
[1] Several aspects of spectral broadening and drizzle growth in shallow liquid clouds remain not well understood. Detailed, cloud-scale observations of microphysics and dynamics are essential to guide and evaluate corresponding modeling efforts. Profiling, millimeter-wavelength (cloud) radars can provide such observations. In particular, the first three moments of the recorded cloud radar Doppler spectra, the radar reflectivity, mean Doppler velocity, and spectrum width, are often used to retrieve cloud microphysical and dynamical properties. Such retrievals are subject to errors introduced by the assumptions made in the inversion process. Here, we introduce two additional morphological parameters of the radar Doppler spectrum, the skewness and kurtosis, in an effort to reduce the retrieval uncertainties. A forward model that emulates observed radar Doppler spectra is constructed and used to investigate these relationships. General, analytical relationships that relate the five radar observables to cloud and drizzle microphysical parameters and cloud turbulence are presented. The relationships are valid for cloud-only, cloud mixed with drizzle, and drizzle-only particles in the radar sampling volume and provide a seamless link between observations and cloud microphysics and dynamics. The sensitivity of the five observed parameters to the radar operational parameters such as signal-to-noise ratio and Doppler spectra velocity resolution are presented. The predicted values of the five observed radar parameters agree well with the output of the forward model. The novel use of the skewness of the radar Doppler spectrum as an early qualitative predictor of drizzle onset in clouds is introduced. It is found that skewness is a parameter very sensitive to early drizzle generation. In addition, the significance of the five parameters of the cloud radar Doppler spectrum for constraining drizzle microphysical retrievals is discussed.
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 | 0,001 |
| 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 | 0,001 |
| 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