Comment on acp-2021-744
Notice bibliographique
Résumé
Abstract. The formation of ice particles in Earth's atmosphere strongly influences the dynamics and optical properties of clouds and their impacts on the climate system. Ice formation in clouds is often triggered heterogeneously by ice-nucleating particles (INPs) that represent a very low number of particles in the atmosphere. To date, many sources of INPs, such as mineral and soil dust, have been investigated and identified in the low and mid latitudes. Although less is known about the sources of ice nucleation at high latitudes, efforts have been made to identify the sources of INPs in the Arctic and boreal environments. In this study, we investigate the INP emission potential from high-latitude boreal forests in the mixed-phase cloud regime. We introduce the HyICE-2018 measurement campaign conducted in the boreal forest of Hyytiälä, Finland, between February and June 2018. The campaign utilized the infrastructure of the Station for Measuring Ecosystem-Atmosphere Relations (SMEAR) II, with additional INP instruments, including the Portable Ice Nucleation Chamber I and II (PINC and PINCii), the SPectrometer for Ice Nuclei (SPIN), the Portable Ice Nucleation Experiment (PINE), the Ice Nucleation SpEctrometer of the Karlsruhe Institute of Technology (INSEKT) and the Microlitre Nucleation by Immersed Particle Instrument (µL-NIPI), used to quantify the INP concentrations and sources in the boreal environment. In this contribution, we describe the measurement infrastructure and operating procedures during HyICE-2018, and we report results from specific time periods where INP instruments were run in parallel for inter-comparison purposes. Our results show that the suite of instruments deployed during HyICE-2018 reports consistent results and therefore lays the foundation for forthcoming results to be considered holistically. In addition, we compare measured INP concentrations to INP parameterizations, and we observe good agreement with the Tobo et al. (2013) parameterization developed from measurements conducted in a ponderosa pine forest ecosystem in Colorado, USA.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,436 | 0,351 |
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 ».