Initiation of Deep Convection over an Idealized Mesoscale Convergence Line
Notice bibliographique
Résumé
Abstract This study performs cloud-resolving simulations of cumulus convection over an idealized surface-based convergence zone to investigate the mechanisms and sensitivities of deep convection initiation forced by mesoscale ascent. The surface convergence forms in response to a localized diurnal heating anomaly over an otherwise homogeneous and unheated surface, producing a strong boundary layer updraft over the center of the heat source. This updraft gives rise to a line of cumuli that gradually deepen and, in some cases, transition into deep convection. To statistically investigate the factors controlling this transition, a new thermal-tracking algorithm is developed to follow incipient cumulus cores as they ascend through the troposphere. This tool is used to isolate the impacts of key environmental parameters (cloud-layer lapse rate, midlevel humidity, etc.) and initial core parameters near cloud base (horizontal area, vertical velocity, etc.) on the ultimate cloud-top height. In general, the initial core size determines which thermals in a given cloud field will undergo the deepest ascent, and the sensitivity of cloud depth to initial core parameters increases in environments that are more hostile to deep convection. Diurnal midlevel moistening from detraining cumuli above the convergence line produces a small but robust enhancement in cloud-top height, particularly for smaller cores.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».