Mesoscale Energy Spectra of Moist Baroclinic Waves
Notice bibliographique
Résumé
Abstract The role of moist processes in the development of the mesoscale kinetic energy spectrum is investigated with numerical simulations of idealized moist baroclinic waves. Dry baroclinic waves yield upper-tropospheric kinetic energy spectra that resemble a −3 power law. Decomposition into horizontally rotational and divergent kinetic energy shows that the divergent energy has a much shallower spectrum, but its amplitude is too small to yield a characteristic kink in the total spectrum, which is dominated by the rotational part. The inclusion of moist processes energizes the mesoscale. In the upper troposphere, the effect is mainly in the divergent part of the kinetic energy; the spectral slope remains shallow (around −) as in the dry case, but the amplitude increases with increasing humidity. The divergence field in physical space is consistent with inertia–gravity waves being generated in regions of latent heating and propagating throughout the baroclinic wave. Buoyancy flux spectra are used to diagnose the scale at which moist forcing—via buoyant production from latent heating—injects kinetic energy. There is significant input of kinetic energy in the mesoscale, with a peak at scales of around 800 km and a plateau at smaller scales. If the latent heating is artificially set to zero at some time, the enhanced divergent kinetic energy decays over several days toward the level obtained in the dry simulation. The effect of moist forcing of mesoscale kinetic energy presents a challenge for theories of the mesoscale spectrum based on the idealization of a turbulent inertial subrange.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».