Predicting Ice Shape Evolution in a Bulk Microphysics Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A novel bulk microphysics scheme that predicts the evolution of ice properties, including aspect ratio (shape), mass, number, size, and density is described, tested, and demonstrated. The scheme is named the Ice-Spheroids Habit Model with Aspect-Ratio Evolution (ISHMAEL). Ice is modeled as spheroids and is nucleated as one of two species depending on nucleation temperature. Microphysical process rates determine how shape and other ice properties evolve. A third aggregate species is also employed, diversifying ice properties in the model. Tests of ice shape evolution during vapor growth and riming are verified against wind tunnel data, revealing that the model captures habit-dependent riming and its effect on fall speed. Lagrangian parcel studies demonstrate that the bulk model captures ice property evolution during riming and melting compared with a bin model. Finally, the capabilities of ISHMAEL are shown in a 2D kinematic framework with a simple updraft. A direct result of predicting ice shape evolution is that various states of ice from unrimed to lightly rimed to densely rimed can be modeled without converting ice mass between predefined ice categories (e.g., snow and graupel). This leads to a different spatial precipitation distribution compared with the traditional method of separating snow and graupel and converting between the two categories, because ice in ISHMAEL sorts in physical space based on the amount of rime, which controls the thickness and therefore fall speed. Predicting these various states of rimed ice leads to a reduction in vapor growth rate and an increase in riming rate in a simple updraft compared with the traditional approach.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle