Limitations of using an equilibrium approximation in an aerosol activation parameterization
Notice bibliographique
Résumé
Because of its complex nature, attempts have been made to parameterize the process of cloud droplet formation and growth. The parameterization developed by Abdul‐Razzak et al. [1998] and Abdul‐Razzak and Ghan [2000] , henceforth referred to as the ARG parameterization, is based on the adiabatic ascent of an air parcel, assuming that each particle is in equilibrium with its environment. Some of the limitations of the equilibrium assumption are evaluated here through direct comparison of a kinetic parcel model with the ARG parameterization. Conditions are described in which the supersaturation and the cloud droplet number concentration are underpredicted by the parameterization. The underprediction happens because of an overestimation of the condensation rate of water onto the larger particles. The effect is significant for conditions of lower updraft velocities ( V < 50 cm s −1 ) and higher aerosol number concentrations ( N a > 500 cm −3 ). The parameterization behaves well for higher updraft velocities and lower aerosol number concentrations. The impact of this effect on the activation of sulfate aerosols in the presence of sea salt aerosol is also investigated. Using the ARG parameterization to diagnose N d in the presence of sea salt aerosol leads to a greater reduction in the number of activated sulfate particles in lower updraft conditions than does using the kinetic parcel model. The relative contribution of sulfate particles to total N d is also significantly lower for the ARG parameterization than it is for the parcel model in low to moderate updrafts. The error in the first indirect radiative forcing introduced by the equilibrium assumption is estimated to be 6 to 15 W m −2 for typical marine clouds, depending on the updraft velocity.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».