Convective Cloud Bands Downwind of Mesoscale Mountain Ridges
Notice bibliographique
Résumé
Abstract Elongated and quasi-stationary cloud bands capable of producing heavy precipitation have recently been observed in the lee of midlatitude mountain ridges. Herein, idealized explicit-convection simulations are used to investigate such bands. A methodical sampling of environmental parameter space reveals that the bands are favored by a multilayer upstream static-stability profile, with a conditionally unstable midlevel layer overlying an absolutely stable surface-based layer. Such profiles promote the formation of leeside hydraulic jumps, with deep upright ascent that initiates elevated moist convection. Over smooth ridges, isolated bands develop past each ridge end due to a local superposition of cross-barrier and along-barrier pressure gradients. This superposition enhances leeside vertical displacements compared to parcels traversing the ridge midsection. In the Northern Hemisphere, the Coriolis force favors the left band over the right band (relative to the incoming flow) due to opposite-signed relative-vorticity perturbations past the two ridge ends. Whereas the negative vorticity anomaly past the left end enhances forcing for ascent, the positive vorticity anomaly past the right end suppresses it. For the environmental flows considered herein, the simulated bands are the most persistent over medium-height (1.5-km high) ridges, which force stronger leeside ascent than taller or shorter ridges. Over more rugged terrain, additional bands form past deep gaps or valleys, again due to a local superposition of horizontal pressure gradients. In contrast to some recent studies of orographic cloud bands, these simulated bands owe their existence to the release of moist static instability, indicating that neither slantwise nor inertial instability is required for their formation.
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 | 0,001 |
| 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) | 0,002 | 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 ».