MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392577479 · doi:10.5194/egusphere-egu24-12568

Sensitivity of mixed-phase cold-air outbreak clouds to aerosol-cloud interactions and ice production processes depends on environmental conditions: a comparison between spring and autumn CAO case studies over the Labrador Sea

2024· preprint· en· W4392577479 sur OpenAlexaboutno aff
X. Huang, Paul R. Field, Benjamin J. Murray, Daniel P. Grosvenor, Floortje van den Heuvel, K. S. Carslaw

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerosolSpring (device)Environmental scienceOutbreakAtmospheric sciencesSensitivity (control systems)Phase (matter)ClimatologyMeteorologyGeographyGeologyChemistryPhysicsThermodynamicsBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Aerosol-cloud interactions and ice production processes are important uncertainties in models of mixed-phase cold-air outbreak (CAO) clouds, which are vital for the estimation of cloud-phase feedback. Our model simulation results show that the sensitivities of the mixed-phase cloud properties during the two selected CAO cases are different, with Ice Nucleating Particle (INP) concentrations having a strong influence for both case studies, but the cloud droplet number concentration and the HM (Hallett-Mossop) efficiency only affect the warmer case. We also find that the simulations showing the best performance compared to observations are not consistent across multiple satellite-observed cloud properties, which suggests a possible structural deficiency in the model. The two cases are CAO events over the Labrador Sea, 15 March 2022 and 24 October 2022, with the latter one coinciding with the M-Phase aircraft campaign. The regional Met Office Unified Model coupled with a two-moment microphysics scheme was used to quantify the sensitivity of cloud cover, stratocumulus-to-cumulus transition, and cloud radiative properties to cloud droplet number concentration, INP concentration and efficiency of the HM process. Recent studies have aimed to understand how these two aspects influence CAO clouds, but have not compared the sensitivities under different environmental conditions or with a realistic temperature-dependent parameterisation for INPs. This study provides an instructive perspective on how cloud microphysics affects mixed-phase CAO clouds under different environmental conditions, and serves as a good basis for exploring the whole uncertain cloud microphysics parameter space across a range of environmental conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,117
Score d'incertitude au seuil0,233

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,298
Écart entre enseignants0,270 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→