Impact of aerosols and turbulence on cloud droplet growth: an in-cloud seeding case study using a parcel–DNS (direct numerical simulation) approach
Notice bibliographique
Résumé
Abstract. This paper investigates the relative importance of turbulence and aerosol effects on the broadening of the droplet size distribution (DSD) during the early stage of cloud and raindrop formation. A parcel–DNS (direct numerical simulation) hybrid approach is developed to seamlessly simulate the evolution of cloud droplets in an ascending cloud parcel. The results show that turbulence and cloud condensation nuclei (CCN) hygroscopicity are key to the efficient formation of large droplets. The ultragiant aerosols can quickly form embryonic drizzle drops and thus determine the onset time of autoconversion. However, due to their scarcity in natural clouds, their contribution to the total mass of drizzle drops is insignificant. In the meantime, turbulence sustains the formation of large droplets by effectively accelerating the collisions of small droplets. The DSD broadening through turbulent collisions is significant and therefore yields a higher autoconversion rate compared to that in a nonturbulent case. It is argued that the level of autoconversion is heavily determined by turbulence intensity. This paper also presents an in-cloud seeding scenario designed to scrutinize the effect of aerosols in terms of number concentration and size. It is found that seeding more aerosols leads to higher competition for water vapor, reduces the mean droplet radius, and therefore slows down the autoconversion rate. On the other hand, increasing the seeding particle size can buffer such a negative feedback. Despite the fact that the autoconversion rate is prominently altered by turbulence and seeding, bulk variables such as liquid water content (LWC) stays nearly identical among all cases. Additionally, the lowest autoconversion rate is not co-located with the smallest mean droplet radius. The finding indicates that the traditional Kessler-type or Sundqvist-type autoconversion parameterizations, which depend on the LWC or mean radius, cannot capture the drizzle formation process very well. Properties related to the width or the shape of the DSD are also needed, suggesting that the scheme of Berry and Reinhardt (1974) is conceptually better. It is also suggested that a turbulence-dependent relative-dispersion parameter should be considered.
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) | 0,000 | 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 ».