Sensitivity studies of the effect of increased aerosol concentrations and snow crystal shape on the snowfall rate in the Arctic
Notice bibliographique
Résumé
The mesoscale model GESIMA is used to simulate microphysical properties of Arctic clouds and their effect on radiation. Different case studies during the FIRE ACE/SHEBA project show that GESIMA is able to simulate the cloud boundaries, ice and liquid water content, and effective radii in good agreement with observations. For two different aerosol scenarios, the simulation results show that the anthropogenic aerosol can alter microphysical properties of Arctic clouds, and consequently modify surface precipitation. Borys et al. [2000] proposed that anthropogenically induced decreases in cloud droplet size inhibit the riming process. On the contrary, we find that the accretion of snow crystals with cloud droplets is increased in the polluted cloud owing to its higher cloud droplet number concentration. Instead, the autoconversion rate of cloud droplets and accretion of drizzle by snow decreases caused by the shutdown of the collision‐coalescence process in the polluted cloud. The amount of precipitation reaching the surface as snow depends crucially on the crystal shape. If aggregates are assumed, then a tenfold increase in aerosol concentration leads to an increase in accumulated snow by 40% after 7 hours of simulation whereas the snow amount decreases by 30% when planar crystals are assumed because of the larger accretion efficiency of snow crystals with cloud droplets in case of aggregates.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».