Supercooled liquid water and secondary ice production in Kelvin–Helmholtz instability as revealed by radar Doppler spectra observations
Notice bibliographique
Résumé
Abstract. Mixed-phase clouds are globally omnipresent and play a major role in the Earth's radiation budget and precipitation formation. The existence of liquid droplets in the presence of ice particles is microphysically unstable and depends on a delicate balance of several competing processes. Understanding mechanisms that govern ice initiation and moisture supply are important to understand the life cycle of such clouds. This study presents observations that reveal the onset of drizzle inside a ∼ 600 m deep mixed-phase layer embedded in a stratiform precipitation system. Using Doppler spectral analysis, we show how large supercooled liquid droplets are generated in Kelvin–Helmholtz (K–H) instability despite ice particles falling from upper cloud layers. The spectral width of the supercooled liquid water mode in the radar Doppler spectrum is used to identify a region of increased turbulence. The observations show that large liquid droplets, characterized by reflectivity values larger than −20 dBZ, are generated in this region. In addition to cloud droplets, Doppler spectral analysis reveals the production of columnar ice crystals in the K–H billows. The modeling study estimates that the concentration of these ice crystals is 3–8 L−1, which is at least 1 order of magnitude higher than that of primary ice-nucleating particles. Given the detail of the observations, we show that multiple populations of secondary ice particles are generated in regions where larger cloud droplets are produced and not at some constant level within the cloud. It is, therefore, hypothesized that K–H instability provides conditions favorable for enhanced droplet growth and formation of secondary ice particles.
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 ».