Ice clouds microphysical retrieval using 94‐GHz Doppler radar observations: Basic relations within the retrieval framework
Notice bibliographique
Résumé
High quality measurements of ice cloud properties from ground‐ and space‐based sensors are key for improving our understanding of processes that affect ice cloud radiative effects and lifetime. Doppler cloud radars provide two independent measurements (reflectivity and Doppler velocity) to constrain the ice clouds microphysical retrievals. However, the retrievals are highly sensitive to the choice of the scattering forward model for non‐spherical particles at millimeter‐wavelengths and the selection of parameters in the mass‐ and velocity‐size relationships, as well as to the representation of the particle size distribution (PSD). In this paper (part 1), the development of the basic relations used in the retrieval is presented. A novel approach for reducing the number of free parameters required to describe the microphysical properties of ice particles is described. The new proposed form of the mass‐size relationship significantly reduces the sensitivity of the quantities of interest to the power law mass exponent, leaving only one parameter controlling mass dimensional relationship. A similar approach is adopted in the velocity calculation. In order to reduce the retrieval's dependence on the size distribution, the PSD defined for liquid‐equivalent diameter is described using the concept of double moment normalization. The two normalizing quantities, mean mass‐weighted diameter ( D m ) and ice water content (IWC) are controlled mainly by the PSD size interval that is also an important contributor to the two Doppler observables. Both D m and IWC are generally not very sensitive to the PSD segments of the smallest and largest particles that are considered as very uncertain.
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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 tête enseignante, 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 ».