Environmental sensitivities of shallow-cumulus dilution – Part 1: Selected thermodynamic conditions
Notice bibliographique
Résumé
Abstract. Cumulus entrainment, and its consequent dilution of buoyant cloud cores, strongly regulates the life cycle of shallow cumuli yet remains poorly understood. Herein, new insights into this problem are obtained through large-eddy simulations that systematically investigate the sensitivity of shallow-cumulus dilution to cloud-layer relative humidity (RH), cloud- and subcloud-layer depths, and continentality (i.e., the land–ocean contrast). The simulated cloud-core dilution is found to be strongly sensitive to continentality, with fractional dilution rates twice as large over the ocean as over land. Using a similarity theory based on the turbulent-kinetic-energy (TKE) budget, the reduced cloud-core dilution over land is attributed to larger cloud-base mass flux (mb), driven by stronger surface heating and subcloud turbulence. As mb increases, the fractional dilution rate must decrease to maintain energetic equilibrium. A positive sensitivity is also found to cloud-layer RH, with the core dilution increasing by 25 %–50 % for a 10 % enhancement in RH. This sensitivity is interpreted using the buoyancy-sorting hypothesis, in that mixtures of cloud and environmental air are more likely to become negatively buoyant and detrain (rather than diluting the cloud core) in drier cloud layers. By contrast, the sensitivities of (marine) shallow-cumulus dilution to cloud- and subcloud-layer depths are weak, with a 3 % decrease for a doubling for the former and a 4 % reduction in dilution for a 50 % deeper subcloud layer. These surprisingly weak sensitivities are readily explained by offsetting effects in the TKE similarity theory. Altogether, these experimental findings provide useful, though still incomplete, guidance for flow-dependent shallow-cumulus entrainment formulations in large-scale models.
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 | 0,000 |
| 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) | 0,004 | 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 ».