Simulating Arctic Ice Clouds during Spring Using an Advanced Ice Cloud Microphysics in the WRF Model
Notice bibliographique
Résumé
Two Types of Ice Clouds (TICs) have been characterized in the Arctic during the polar night and early spring. TIC-1 are composed by non-precipitating small ice crystals of less than 30 µm in diameter. The second type, TIC-2, are characterized by a low concentration of large precipitating ice crystals (>30 µm). Here, we evaluate the Weather Research and Forecasting (WRF) model performance both in space and time after implementing a parameterization based on a stochastic approach dedicated to the simulation of ice clouds in the Arctic. Well documented reference cases provided us in situ data from the spring of 2008 Indirect and Semi-Direct Aerosol Campaign (ISDAC) campaign over Alaska. Simulations of the microphysical properties of the TIC-2 clouds on 15 and 25 April 2008 (polluted or acidic cases) and TIC-1 clouds on non-polluted cases are compared to DARDAR (raDAR/liDAR) satellite products. Our results show that the stochastic approach based on the classical nucleation theory, with the appropriate contact angle, is better than the original scheme in WRF model to represent TIC-1 and TIC-2 properties (ice crystal concentration and size) in response to the IN acidification.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».