Airborne and ground measurements for vertical profiling of secondary ice production during ice pellet 
Notice bibliographique
Résumé
Predicting the accurate type of precipitation during winter storms is crucial for the implementation of mitigation measures such as aircraft deicing in commercial aviation or the spreading of salt and abrasives on roads. For this reason, a better understanding of the microphysical processes leading to winter precipitation types is essential. During freezing rain events, secondary ice produced by the freezing of supercooled raindrops via the fragmentation of freezing drops (FFD) process can initiate a chain reaction, potentially transitioning freezing rain into ice pellets. However, including this process in numerical weather prediction models is challenging due to the uncertainty in the efficiency of this mechanism. To bridge this gap, this study aims to evaluate the efficiency of the FFD process during ice pellet precipitation using measurements collected onboard the NRC Convair-580 research aircraft during the WINTRE-MIX field campaign, in February 2022. Specifically, measurements from two missed-approaches conducted in the Saint Lawrence Valley, Quebec, Canada during an ice pellet storm are analyzed. These missed-approaches provide unique datasets collected above, within, and below the ice pellet freezing altitude using in-situ and remote sensing instruments. In the region characterized by completely frozen ice pellets, a bi-modal particle size distribution, indicative of secondary ice production, was measured. Observations from imaging and optical-array probes suggest that particles smaller than 200 µm in diameter were, likely, non-spherical ice crystals, whereas the particle size mode with the larger diameters was associated with ice pellets. The observations of fractured ice pellets and ice pellets with bulges and spicules on most large particles suggested the occurrence of the FFD process. Subsequently, the measured number concentration of small ice particles, which was of the order of 500 L-1, was compared with the number concentration of ice particles simulated through existing parametrizations of secondary ice production. This analysis will be valuable for selecting the most accurate FFD process parametrization to use for freezing rain and ice pellets simulation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».