Small-Scale Moist Turbulence in Numerically Generated Convective Clouds
Notice bibliographique
Résumé
Abstract The authors present simulations of cloud-free and cloudy, nonprecipitating, convective turbulence at spatial resolutions down to Δx = 2.6 m for a domain size of (1 km)3. The runs are analyzed with attention focused on the dynamical differences between resolutions and the presence or absence of moisture, as well as on the small-scale variability of the liquid water spectra in the cloudy cases. Because of evaporation and condensation, liquid water content does not act like a passive scalar. Much of the evaporation occurs in highly turbulent cloud-top mixing where differences in variances and kurtoses of real-space vorticity probability density functions between cloudy and cloud-free runs are also found. The cloudy cases have higher variance and lower kurtosis values than their cloud-free counterparts. The lower kurtosis values mean fewer high-intensity vortices for the cloudy cases, which is most likely due to the loss of buoyancy as evaporation occurs during entrainment events. This effect is associated with a change in the liquid water content spectra found in regions of cloud decay. Conditional sampling of these regions shows increased small-scale variability, above the background increase due to the bottleneck effect, of liquid water content spectra; this is not found in other cloudy regions. This may help explain recent measurements of enhanced small-scale liquid water content variability in aircraft measurements of stratocumulus clouds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».