Aerosol–Cloud Interactions in a Mesoscale Model. Part I: Sensitivity to Activation and Collision–Coalescence
Notice bibliographique
Résumé
Abstract High-resolution numerical simulations of the aerosol–cloud feedbacks are performed with a mesoscale model. The multimodal aerosol species, added to the model, and the cloud species were represented by two spectral moments. The aerosol sources include particle activation, solute transfer between drops due to collision and coalescence of drops, and particle regeneration. A summertime case was simulated consisting of a cold frontal cloud system and a postfrontal stratus. Experiments with both simple and mechanistic activation parameterization of aerosol and with one and two aerosol modes were performed. Verification was made of the stratus properties against measurements taken during the Radiation Aerosol and Cloud Experiment (RACE). The results demonstrate a significant sensitivity of the stratus and of the frontal system to the aerosol and a moderate impact on the particle spectrum of drop collision–coalescence. The stratus simulation with mechanistic activation and unimodal aerosol showed the best agreement of droplet concentration with the observations, and the simulations with mechanistic activation and a bimodal aerosol and with simple activation underestimated the droplet concentration. A similar high sensitivity was found for the frontal precipitation intensity. Drop collision–coalescence in the frontal system was found to have an impact on the particle mean radius whose magnitude amounted to 10% and 15% for one and multiple cloud cycles, respectively. This impact was also found to be highly variable in space. The modified particle spectrum, following activation in clouds, was found to increase droplet concentration.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».