Evaluation of near‐surface and boundary‐layer meteorological conditions that support cold‐fog formation using Cold Fog Amongst Complex Terrain field campaign observations
Notice bibliographique
Résumé
Abstract Cold fog refers to a type of fog that forms when the temperature is below 0°C. It can be composed of liquid, ice, and mixed‐phase fog particles. Cold fog happens frequently over mountainous terrain in the cold season, but it is difficult to predict. Using observations from the Cold Fog Amongst Complex Terrain (CFACT) field campaign conducted in Heber Valley, Utah, in the western United States during January and February of 2022, this study investigates the meteorological conditions in the surface and boundary layers that support the formation of wintertime ephemeral cold fog in a local area of small‐scale mountain valleys. It is found that fog formation is susceptible to subtleties in forcing conditions and is supported by several factors: (1) established high pressure over the Great Basin with associated local clear skies, calm winds, and a stable boundary layer; (2) near‐surface inversion with saturation near the surface and strong moisture gradient in the boundary layer; (3) warm (above‐freezing) daytime air temperature with a large diurnal range, accompanied with warm soil temperatures during the daytime; (4) a period of increased turbulence kinetic energy (above 0.5 m 2 ·s −2 ), followed by calm conditions throughout the fog's duration; and (5) supersaturation with respect to ice. Then, the field observations and identified supporting factors for fog formation were utilized to evaluate high‐resolution (˜400 m horizontal grid spacing) Weather Research and Forecasting (WRF) model simulations. Results show that the WRF model accurately simulates the mesoscale conditions facilitating cold‐fog formation but misses some critical surface and atmospheric boundary conditions. The overall results from this paper indicate that these identified factors that support fog formation are vital to accurately forecasting cold‐fog events. At the same time, they are also critical fields for the NWP model validation.
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 | 0,000 |
| 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 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 ».