Review and uncertainty assessment of size-resolved scavenging coefficient formulations for below-cloud snow scavenging of atmospheric aerosols
Notice bibliographique
Résumé
Abstract. Theoretical parameterizations for the size-resolved scavenging coefficient for atmospheric aerosol particles scavenged by snow (Λsnow) need assumptions regarding (i) snow particle–aerosol particle collection efficiency E, (ii) snow-particle size distribution N(Dp), (iii) snow-particle terminal velocity VD, and (iv) snow-particle cross-sectional area A. Existing formulas for these parameters are reviewed in the present study, and uncertainties in Λsnow caused by various combinations of these parameters are assessed. Different formulations of E can cause uncertainties in Λsnow of more than one order of magnitude for all aerosol sizes for typical snowfall intensities. E is the largest source of uncertainty among all the input parameters, similar to rain scavenging of atmospheric aerosols (Λrain) as was found in a previous study by Wang et al. (2010). However, other parameters can also cause significant uncertainties in Λsnow, and the uncertainties from these parameters are much larger than for Λrain. Specifically, different N(Dp) formulations can cause one-order-of-magnitude uncertainties in Λsnow for all aerosol sizes, as is also the case for a combination of uncertainties from both VD and A. Assumptions about dominant snow-particle shape (and thus different VD and A) will cause an uncertainty of up to one order of magnitude in the calculated scavenging coefficient. In comparison, uncertainties in Λrain from N(Dp) are smaller than a factor of 5, and those from VD are smaller than a factor of 2. As expected, Λsnow estimated from empirical formulas generated from field measurements falls in the upper range of, or is higher than, the theoretically estimated values, which can be explained by additional processes/mechanisms that influence field-derived Λsnow but that are not considered in the theoretical Λsnow formulas. Predicted aerosol concentrations obtained by using upper range vs. lower range of Λsnow values (a difference of around two orders of magnitude in Λsnow) can differ by a factor of 2 for just a one-centimetre snowfall (liquid water equivalent of approximately 1 mm). Based on the median and upper range of theoretically generated Λsnow and Λsnow values, it is likely that, for typical rain and snow events, the removal of atmospheric aerosol particles by snow is more effective than removal by rain for equivalent precipitation amounts, although a firm conclusion requires much more evidence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 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 ».