Evaluation of modeled cloud properties against aircraft observations for air quality applications
Notice bibliographique
Résumé
Cloud microphysical properties are critical for simulating cloud processing of gases and aerosols in air quality models. In this study, cloud liquid water contents (LWC) predicted from a meteorological model at two horizontal resolutions (15 and 2.5 km) are evaluated against aircraft observations during the 2004 International Consortium for Atmospheric Research on Transport and Transformation (ICARTT) campaign. A point‐by‐point comparison along flight tracks shows good model‐observation correlation for temperature and humidity but poor correlation for LWC due to the mismatch in timing and positioning of the clouds between model simulations and observations. Thus a statistical approach is used to compare properties of modeled and observed clouds over the flight domain. The model captures the observed vertical variation of LWC for the towering cumulus (TCu) cases and reproduces the observed variation of LWC from flight to flight independent of cloud types. The model is able to distinguish the difference in the mean and standard deviation of LWC between stratocumulus (SCu) and TCu. However, the “in‐cloud” LWC values were generally overpredicted by the model at both resolutions. For SCu, the overprediction is 99% and 45% for the 15‐ and 2.5‐km resolution simulations, respectively, while the overprediction for TCu is slightly smaller at 74% for the 15‐km resolution and 24% for the 2.5‐km resolution model simulations. The SCu observations were scaled up to enable comparisons at the model‐grid scales for these flights. This comparison also shows overpredictions of LWC by the model, although the overprediction is smaller for the model at 15‐km resolution.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».