Modelling the relationship between liquid water content and cloud droplet number concentration observed in low clouds in the summer Arctic and its radiative effects
Notice bibliographique
Résumé
Low clouds persist in the summer Arctic with important consequences for the radiation budget. In this study, we simulate the linear relationship between liquid water content (LWC) and cloud droplet number concentration (CDNC) observed during an aircraft campaign based out of Resolute Bay, Canada, conducted as part of the Network on Climate and Aerosols: Addressing Key Uncertainties in Remote Canadian Environments study in July 2014. Using a single-column model, we find that autoconversion can explain the observed linear relationship between LWC and CDNC. Of the three autoconversion schemes we examined, the scheme using continuous drizzle (Khairoutdinov and Kogan, 2000) appears to best reproduce the observed linearity in the tenuous cloud regime (Mauritsen et al., 2011), while a scheme with a threshold for rain (Liu and Daum, 2004) best reproduces the linearity at higher CDNC. An offline version of the radiative transfer model used in the Canadian Atmospheric Model version 4.3 is used to compare the radiative effects of the modelled and observed clouds. We find that there is no significant difference in the upward longwave cloud radiative effect at the top of the atmosphere from the three autoconversion schemes ( p =0.05) but that all three schemes differ at p =0.05 from the calculations based on observations. In contrast, the downward longwave and shortwave cloud radiative effect at the surface for the Wood (2005b) and Khairoutdinov and Kogan (2000) schemes do not differ significantly ( p =0.05) from the observation-based radiative calculations, while the Liu and Daum (2004) scheme differs significantly from the observation-based calculation for the downward shortwave but not the downward longwave fluxes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».