MétaCan
Menu
Retour à la cohorte
Enregistrement W2146750050 · doi:10.1002/qj.2177

Mixed‐phase clouds in a turbulent environment. Part 1: Large‐eddy simulation experiments

2013· article· en· W2146750050 sur OpenAlexaff
Adrian Hill, Paul R. Field, Kalli Furtado, Alexei Korolev, Ben Shipway

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAeolian processes and effects
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésLiquid water contentTurbulenceMechanicsLarge eddy simulationCloud computingSupercoolingCloud fractionEnvironmental scienceMeteorologyAtmospheric sciencesGeologyPhysicsCloud coverComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Mixed‐phase clouds are thermodynamically unstable, i.e. with no other forcing ice will grow at the expense of supercooled liquid water, eventually leading to complete glaciation of the cloud. In the presence of dynamic forcing, e.g. regular motions or turbulent fluctuations, liquid water can be generated in an ice cloud. Earlier theoretical considerations have identified two necessary conditions that had to be satisfied to produce liquid water in a pre‐existing ice cloud: (i) the vertical velocity of an ice cloud parcel must exceed a threshold velocity and (ii) the vertical displacement of an ice cloud parcel must be above a threshold altitude to achieve water saturation. This article uses a large‐eddy simulation (LES) model to investigate whether satisfying these conditions alone can be used as a predictive tool for the occurrence of mixed‐phase clouds in a turbulent environment. It is shown that, in general for a range of microphysical assumptions, ice concentrations and thermodynamic conditions, identifying points that satisfy these two dynamic conditions results in a good estimate of the domain liquid cloud fraction and the evolution of the liquid cloud fraction over time from the LES. When relatively large liquid water contents are present, theory underpredicts liquid cloud fraction. Further, when ice is permitted to sediment, theory overpredicts liquid cloud fraction. Two modifications to the theory are suggested, and it is demonstrated how these reduce the deviation of predicted liquid cloud fraction from simulated cloud fraction.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,021
Tête enseignante GPT0,240
Écart entre enseignants0,220 · 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

Citations54
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetAeolian processes and effectsTravaux en français237 207