Impact of hygroscopic CCN and turbulence on cloud dropletgrowth: A parcel-DNS approach
Notice bibliographique
Résumé
Abstract. This paper investigates the relative importance of turbulence, hygroscopicity of cloud condensation nuclei (CCN), and aerosol loading on early cloud development. A parcel-DNS hybrid approach is developed to seamlessly simulate the evolution of cloud droplets in warm clouds. The results show that turbulence and CCN hygroscopicity have a dominant effect on the formation of large droplets. When CCN hygroscopicity is considered, condensational growth has a strong effect in the first minute, providing sufficient collector droplets. In the meantime, turbulence effectively accelerates the collisions among the collector droplets and the small droplets and continues to broaden the droplet size distribution (DSD). In contrast, seeding of extra aerosols modulates the growth of small droplets by inhibiting condensational growth while the growth of large droplets remains unaffected, resulting in a similar tail of the DSD. Overall, seeding reduces the LWC and effective radius but increases the relative dispersion. This opposing trend of the bulk properties suggests that the traditional Kessler-type or Sundqvist-type autoconversion parameterizations which mainly depend on the LWC or mean radius might not represent the drizzle formation process well. Properties related to the width or the shape of the DSD are also needed, suggesting that the Berry-and-Reinhardt scheme is conceptually better.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».