Assessment of a Microphysical Ensemble Used to Investigate the OWLeS IOP4 Lake-Effect Storm
Notice bibliographique
Résumé
Abstract Microphysical processes within mixed-phase convective clouds can have cascading impacts on cloud properties and resultant precipitation. This paper investigates the role of microphysics in the lake-effect storm (LES) observed during intensive observing period 4 of the Ontario Winter Lake-effect Systems field campaign. A microphysical ensemble is composed of 24 simulations that differ in the microphysics scheme used (e.g., Weather Research and Forecasting Model microphysics options or a choice of two bulk adaptive habit models) along with changes in the representation of aerosol and potential ice nuclei concentrations, ice nucleation parameterizations, rain and ice fall speeds, spectral indices, ice habit assumptions, and the number of moments used for modeling ice-phase hydrometeors in each adaptive habit model. Each of these changes to microphysics resulted in varied precipitation types at the surface; 15 members forecast a mixture of snow, ice, and graupel, 7 members forecast only snow and ice, and the remaining 2 members forecast a combination of snow, ice, graupel, and rain. Observations from an optical disdrometer positioned to the south of the LES core indicate that 92% of the observed particles were snow and ice, 5% were graupel, and 3% were rain and drizzle. Analysis of observations spanning more than a point location, such as polarimetric radar observations and aircraft measurements of liquid water content, provides insight into cloud composition and processes leading to the differences at the surface. Ensemble spread is controlled by hydrometeor type differences spurred by processes or parameters (e.g., ice fall speed) that affect graupel mass.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 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 ».