Improvements to the parametrization of snow in <scp>AROME</scp> in the context of ice crystal icing
Notice bibliographique
Résumé
Abstract Ice crystal icing (ICI) poses a threat nowadays for airplane pilots crossing the anvils of tropical mesoscale convective systems (MCSs). The use of fine‐scale operational numerical weather predictions as provided by the French limited‐area model AROME could help to better understand this phenomenon and to help its anticipation. To enable AROME to simulate ICI‐prone conditions, modifications of its single‐moment microphysical scheme Intercity‐Express 3 (ICE3) are tested. Using a temperature‐dependent snow particle distribution deeply impacts the organization and the ice phase of the simulated MCS. Notably, while the size of convective regions decreases, the size of anvil clouds increases and the low stratiform rain increases as well. As a result, by increasing the quantity of snow and decreasing the quantity of graupel, the simulation of ICI‐prone conditions in the anvils of convective systems is enabled. Using this parametrization, further modifications fine‐tune the representation of snow and further increase the size of the anvil cloud. The Marshall–Palmer snow distribution is replaced by a generalized gamma and the terminal fall velocities of snow hydrometeors are parametrized so that they are in closer agreement with observations.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».