Cloud Phase Structure: Experimental Data Analysis and Parameterization
Notice bibliographique
Résumé
Abstract In this article, the data collected over 6 yr of daily observations at a network of aircraft sounding (31 stations) in the former Soviet Union, and the data collected by Canadian researchers in field campaigns in the 1990s, are reanalyzed and compared with each other. To describe the cloud phase structure (CPS), the notion of the cloud phase index (CPI)3 is used; that is, the local mass fraction of the ice particles in the total (water + ice) water content. It is concluded that the average distribution of the (CPI)3 values in clouds depends mainly on the temperature, the cloud types, and the scale of averaging. If these characteristics remain unchanged the geographic and seasonal variations of the phase structure are small. It is shown that for averaging scales of the order of 100 m, the frequency of occurrence of liquid clouds [(CPI)3 = 0] varies from approximately 60% at 0°C to 5% at −35°C, and that of the ice clouds from about 5% to 60%. The frequency of occurrence of the mixed clouds only weakly depends on temperature, varying within 30%–40%. The dependence of the cumulative (CPI)3 distribution on temperature in the interval 0.1 < (CPI)3 < 0.7 is close to linear. For stratiform clouds (without going into further details) the coefficients of the linear parameterization are found as a function of temperature. Knowing the (CPI)3 distribution allows one to also estimate the humidity in clouds. The most urgent challenges for the experimental studies of the cloud phase structure are formulated.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».