MétaCan
Menu
Retour à la cohorte
Enregistrement W2105176637 · doi:10.5194/nhess-7-231-2007

On the effects of vertical air velocity on winter precipitation types

2007· article· en· W2105176637 sur OpenAlexafffund
Julie M. Thériault, Ronald E. Stewart

Notice bibliographique

RevueNatural hazards and earth system sciences · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInstitute for Catastrophic Loss Reduction
Mots-clésSnowPrecipitationEnvironmental sciencePrecipitation typesWarm frontWinter stormRain and snow mixedFreezing rainAtmospheric sciencesAir mass (solar energy)ClimatologyMeteorologyGeologyBoundary layer

Résumé

récupéré en direct d'OpenAlex

Abstract. The various precipitation types formed within winter storms (such as snow, wet snow and freezing rain) often lead to very hazardous weather conditions. These types of precipitation often occur during the passage of a warm front as a warm air mass ascends over a cold air mass. To address this issue further, we used a one-dimensional kinematic cloud model to simulate this gentle ascent (≤10 cm/s) of warm air. The initial temperature profile has an above 0°C inversion, a lower subfreezing layer, and precipitation falls from above the temperature inversion. The cloud model is coupled to a double-moment microphysics scheme that simulates the production of various types of winter precipitation. The results are compared with those from a previous study carried out in still air. Based on the temporal evolution of surface precipitation, snow reaches the surface significantly faster than in still air whereas other precipitation types including freezing rain and ice pellets have a shorter duration. Overall, even weak background vertical ascent has an important impact on the precipitation reaching the surface, the time of the elimination of the melting layer, and also the evolution of the lower subfreezing layer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNatural hazards and earth system sciencesMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207