Effects of the Representation of Rimed Ice in Bulk Microphysics Schemes on Polarimetric Signatures
Notice bibliographique
Résumé
Abstract Many flavors of multicategory, multimoment bulk microphysics schemes (BMPs) have various treatments of rimed ice. In this study, we compare three two-moment schemes available in the WRF Model—Milbrandt–Yau (MY2), National Severe Storms Laboratory (NSSL), and the two-category configuration of the Predicted Particle Properties (P3) scheme—focusing on differences in rimed-ice representation and their impacts on surface rain and ice. Idealized supercell simulations are performed. A polarimetric radar data simulator is used to evaluate their ability to reproduce the Z DR arc and hail signature in the forward-flank downdraft, well-known supercell polarimetric signatures that are potentially sensitive to rimed-ice parameterization. Both the MY2 and NSSL schemes simulate enhanced surface Z DR bands, but neither scheme simulates a Z DR arc commonly identified in observation-based studies. Surface Z DR in the default P3 scheme is homogeneous in the supercell’s forward flank, and is due to the scheme’s restrictive minimum rain particle size distribution (PSD) slope bound preventing the presence of larger drops creating a Z DR arc. The NSSL scheme simulates the location of the hail signature in the forward-flank downdraft more consistent with observations than the other two schemes. Large hail in MY2 sediments well downstream of the updraft (atypically compared to observations) near the surface. The sedimentation of large ice in the default P3 scheme is limited by a restrictive maximum ice number-weighted mean diameter limit within the scheme, precluding the scheme’s ability to reduce Z DR (and ρ HV compared to the MY2 and NSSL schemes) near the surface.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».