Comparison of retrieved Noctilucent cloud particle properties from Odin tomography scans and model simulations
Notice bibliographique
Résumé
Abstract. Mesospheric ice particles, known as Noctilucent clouds or Polar Mesospheric Clouds, have long been observed by rocket instruments and satellites, while models have been used to simulate ice particle growth and cloud properties. However, the fact that different measurement techniques are sensitive to different parts of the ice particle distribution makes it difficult to compare retrieved parameters such as ice particle radius or particle number density from different experiments. In this work we investigate the accuracy of satellite retrieval based on scattered light and how this affects derived cloud properties. We run the retrieval algorithm on modelled cloud distributions and compare the results to the properties of the original distributions. We find that ice mass density is accurately retrieved whereas mean radius often is overestimated and high number densities generally are underestimated. The reason is that the retrieval algorithm assumes a Gaussian size distribution, whereas the modelled size distributions often are multimodal. Once we know the limits of the satellite retrieval we proceed to compare the properties retrieved from the modelled cloud distributions to those observed by the Optical, Spectroscopic, and Infrared Remote Imaging System (OSIRIS) instrument on the Odin satellite. We find that a model with a stationary atmosphere, as given by average atmospheric conditions, does not yield cloud properties that are in agreement with the observations, whereas a model with realistic temperature and vertical wind variations does. This indicates that average atmospheric conditions are insufficient to understand the process of Noctilucent cloud growth and that a realistic atmospheric variability is crucial for cloud formation and growth. Further, the agreement between results from the model – when set up with a realistically variable atmosphere – and the observations suggests that our understanding of the growth process itself is reasonable.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».