Directional, horizontal inhomogeneities of cloud optical thickness fields retrieved from ground-based and airbornespectral imaging
Notice bibliographique
Résumé
Abstract. Clouds exhibit distinct horizontal inhomogeneities of their optical and microphysical properties, which complicate their realistic representation in weather and climate models. In order to investigate the horizontal structure of cloud inhomogeneities, 2-D horizontal fields of optical thickness (τ) of subtropical cirrus and Arctic stratus are investigated with a spatial resolution of less than 10 m. The 2-D τ-fields are derived from (a) downward (transmitted) solar spectral radiance measurements from the ground beneath four subtropical cirrus and (b) upward (reflected) radiances measured from aircraft above 10 Arctic stratus. The data were collected during two field campaigns: (a) Clouds, Aerosol, Radiation, and tuRbulence in the trade wind regime over BArbados (CARRIBA) and (b) VERtical Distribution of Ice in Arctic clouds (VERDI). One-dimensional and 2-D autocorrelation functions, as well as power spectral densities, are derived from the retrieved τ-fields. The typical spatial scale of cloud inhomogeneities is quantified for each cloud case. Similarly, the scales at which 3-D radiative effects influence the radiance field are identified. In most of the investigated cloud cases considerable cloud inhomogeneities with a prevailing directional structure are found. In these cases, the cloud inhomogeneities favour a specific horizontal direction, while across this direction the cloud is of homogeneous character. The investigations reveal that it is not sufficient to quantify horizontal cloud inhomogeneities using 1-D inhomogeneity parameters; 2-D parameters are necessary.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».