MétaCan
Menu
Retour à la cohorte
Enregistrement W2043921511 · doi:10.1002/qj.1897

Droplet growth in warm turbulent clouds

2012· article· en· W2043921511 sur OpenAlexaff
B. J. Devenish, Peter Bartello, J. L. Brenguier, Lance R. Collins, Wojciech W. Grabowski, R.H.A. IJzermans, Szymon P. Malinowski, Michael W. Reeks, J. C. Vassilicos, Lian‐Ping Wang, Z. Warhaft

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTurbulenceEddyCoalescence (physics)Entrainment (biomusicology)MechanicsPhysicsMeteorologyStatistical physicsEnvironmental scienceAtmospheric sciencesAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract In this survey we consider the impact of turbulence on cloud formation from the cloud scale to the droplet scale. We assess progress in understanding the effect of turbulence on the condensational and collisional growth of droplets and the effect of entrainment and mixing on the droplet spectrum. The increasing power of computers and better experimental and observational techniques allow for a much more detailed study of these processes than was hitherto possible. However, much of the research necessarily remains idealized and we argue that it is those studies which include such fundamental characteristics of clouds as droplet sedimentation and latent heating that are most relevant to clouds. Nevertheless, the large body of research over the last decade is beginning to allow tentative conclusions to be made. For example, it is unlikely that small‐scale turbulent eddies (i.e. not the energy‐containing eddies) alone are responsible for broadening the droplet size spectrum during the initial stage of droplet growth due to condensation. It is likely, though, that small‐scale turbulence plays a significant role in the growth of droplets through collisions and coalescence. Moreover, it has been possible through detailed numerical simulations to assess the relative importance of different processes to the turbulent collision kernel and how this varies in the parameter space that is important to clouds. The focus of research on the role of turbulence in condensational and collisional growth has tended to ignore the effect of entrainment and mixing and it is arguable that they play at least as important a role in the evolution of the droplet spectrum. We consider the role of turbulence in the mixing of dry and cloudy air, methods of quantifying this mixing and the effect that it has on the droplet spectrum. Copyright © 2012 Royal Meteorological Society and British Crown Copyright, the Met Office

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations289
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207