Three‐Moment Representation of Rain in a Bulk Microphysics Model
Notice bibliographique
Résumé
Abstract A bulk three‐moment representation for rain microphysics is developed and implemented in the Predicted Particle Properties (P3) microphysics scheme. In addition, a new parameterization for rain self‐collection and collisional breakup (RSCB) is presented using a lookup table approach, based on the Spectral‐Bin Model (SBM). To quantify the impacts of sedimentation, evaporation, and RSCB on drop size distributions (DSDs), a rain shaft model is applied to a wide range of atmospheric scenarios (i.e., initial conditions and regimes) and compared against results from the SBM. DSD shapes are mainly determined by both sedimentation and evaporation, except in heavy rain where the impact of RSCB on DSD shape becomes more important than evaporation. The new parameterization for RSCB has a considerable impact on the mean drop size, improving the agreement between P3 and SBM. Only 4% of the original two‐moment rainshaft simulations have mean drop sizes and rain rates within ±20% of the SBM results, but this increases to more than 95% agreement when the three‐moment rain representation is used together with the new parameterization for RSCB. Generally, the improvement is more significant for heavy rain than for light drizzle. Remaining differences between bin and bulk model are attributable to treatments of evaporation, and the restriction to gamma DSDs in P3.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».