MétaCan
Menu
Retour à la cohorte
Enregistrement W4296486046 · doi:10.5194/acp-22-12287-2022

The impacts of secondary ice production on microphysics and dynamics in tropical convection

2022· article· en· W4296486046 sur OpenAlexaff
Zhipeng Qu, Alexei Korolev, Jason A. Milbrandt, Ivan Heckman, Yongjie Huang, Greg M. McFarquhar, Hugh Morrison, Mengistu Wolde, Cuong Nguyen

Notice bibliographique

RevueAtmospheric chemistry and physics · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensNational Research Council CanadaEnvironment and Climate Change Canada
Organismes subventionnairesNational Science Foundation
Mots-clésMesoscale meteorologyEnvironmental scienceAtmospheric sciencesIce crystalsConvectionMeteorologyClimatologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Secondary ice production (SIP) is an important physical phenomenon that results in an increase in the ice particle concentration and can therefore have a significant impact on the evolution of clouds. In this study, idealized simulations of a mesoscale convective system (MCS) were conducted using a high-resolution (250 m horizontal grid spacing) mesoscale model and a detailed bulk microphysics scheme in order to examine the impacts of SIP on the microphysics and dynamics of a simulated tropical MCS. The simulations were compared to airborne in situ and remote sensing observations collected during the “High Altitude Ice Crystals – High Ice Water Content” (HAIC-HIWC) field campaign in 2015. It was found that the observed high ice number concentration can only be simulated by models that include SIP processes. The inclusion of SIP processes in the microphysics scheme is crucial for the production and maintenance of the high ice water content observed in tropical convection. It was shown that SIP can enhance the strength of the existing convective updrafts and result in the initiation of new updrafts above the melting layer. Agreement between the simulations and observations highlights the impacts of SIP on the maintenance of tropical MCSs in nature and the importance of including SIP parameterizations in models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,191
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207