Spatial large eddy simulation of contrail formation in a near field of anaircraft engine : comparative study of different ambient humidity
Notice bibliographique
Résumé
The study of aircraft contrails involves several physical and chemical processes at various spatial and temporal scales, from contrail formation near the engine exhaust up to contrail cirrus at a large scale depending on the atmospheric conditions.Given the impact of near field jet characteristics on the contrail life cycle, characterizing the dynamic and microphysical properties of jet contrails has been emphasized.Within the large eddy simulation (LES) framework, the modeling of contrail formation in literature is mostly performed using a temporal approach by assuming axial gradients negligible as compared to radial ones, which is only valid far from the engine nozzle.In contrast, the spatial LES approach is more rigorous and allows for modeling the entire jet development with no assumptions.Moreover, based on the changing concentrations of water vapor in the upper troposphere, and the difficulties in measuring that, modeling the aircraft engine in different levels of relative humidity in the atmosphere is crucial.As such, we propose to use a spatial LES to better characterize the dynamic and microphysical properties in the near field of an aircraft exhaust at cruise level for two cases in different ambient conditions in terms of relative humidity value.A high-order (six orders in space and three orders in time) compressible computational fluid dynamic (CFD) code, FludiLES, was used along with an ice-only microphysical model to investigate contrail particles in an Eulerian-Lagrangian approach.Model validation of 1 st and 2 nd order statistics of turbulence with experimental results showed a good agreement in the case of a round jet.Furthermore, contrail microphysical properties (saturation ratio, particle radius, and optical depth) were characterized in the case of the CFM56-3 engine.The analysis of results at two ambient relative humidity 60% and 130% confirmed literature findings; the case of saturated ambient conditions leads to larger ice particles and with plume age, fewer particles are evaporated as compared to the lower relative humidity case.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».