MétaCan
Menu
Retour à la cohorte
Enregistrement W3193070000 · doi:10.5194/gmd-2021-148

Evaluation of a Quasi-steady state approximation of the cloud Droplet Growth Equation (QDGE) scheme for aerosol activation in global models using multiple aircraft data over both continental and marine environments

2021· article· en· W3193070000 sur OpenAlexaffabout
Hengqi Wang, Yiran Peng, Knut von Salzen, Yan Yang, Wei Zhou, Delong Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésAerosolEnvironmental scienceCloud computingMeteorologyRelative humidityAtmospheric sciencesComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. This research introduces a numerically efficient aerosol activation scheme and evaluates it by using stratus and stratocumulus cloud data sampled during multiple aircraft campaigns in Canada, Chile, Brazil, and China. The scheme employs a Quasi-steady state approximation of the cloud Droplet Growth Equation (QDGE) to efficiently simulate aerosol activation, the vertical profile of supersaturation, and the activated cloud droplet number concentration (CDNC) near the cloud base. We evaluate the QDGE scheme by specifying observed environmental thermodynamic variables and aerosol information from 31 cloud cases as input and comparing the simulated CDNC with cloud observations. The average of mean relative error of the simulated CDNC for cloud cases in each campaign ranges from 17.30 % in Brazil to 25.90 % in China, indicating that the QDGE scheme successfully reproduces observed variations in CDNC over a wide range of different meteorological conditions and aerosol regimes. Additionally, we carried out an error analysis by calculating the Maximum Information Coefficient (MIC) between the mean relative error (MRE) and input variables for the individual campaigns and all cloud cases. MIC values are then sorted by aerosol properties, pollution level, environmental humidity, and dynamic condition according to their relative importance to MRE . Based on the error analysis we found that the magnitude of MRE is more relevant to the specification of input aerosol pollution level in marine regions and aerosol hygroscopicity in continental regions than to other variables in the simulation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,281
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAtmospheric aerosols and cloudsTravaux en français237 207