The non‐local character of turbulence asymmetry in the convective atmospheric boundary layer
Notice bibliographique
Résumé
The inadequacy of conventional gradient diffusion in closure modelling of turbulent heat fluxes within the convective atmospheric boundary layer is often alleviated by accounting for non‐local transport effects, such as Deardorff's counter‐gradient models, Wyngaard's transport asymmetry closures or mass‐flux parametrization. This concept of large‐eddy flux transport is examined here with the principal aim of unifying these seemingly different models. Using large‐eddy simulation (LES) runs for the atmospheric boundary layer, spanning weakly to strongly convective conditions, a generic diagnostic framework that encodes the role of third‐order moments in non‐local transport is developed and tested. The premise is that these non‐local effects are responsible for the inherent asymmetry in vertical transport and hence the necessary non‐Gaussian nature of the joint probability density function (JPDF) of vertical velocity and potential temperature must account for these effects. Conditional sampling (quadrant analysis) of this JPDF and the imbalance between the flow mechanisms of ejections and sweeps are used to characterize this asymmetry, which is then linked to the third‐order moments using a cumulant‐discard method for the Gram–Charlier expansion of the JPDF. While the concept of ejection‐sweep events used here is not a simple extension of that commonly used in the surface layer, their connection to third‐order moments shows that the concepts of bottom‐up/top‐down diffusion or updraught/downdraught models are accounted for by various quadrants of the JPDF. An analogy between mass‐flux models and the relaxed eddy accumulation method reveals that there is a seemingly implicit assumption of a Gaussian JPDF in the former.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».