MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404755514 · doi:10.22541/essoar.173272440.08582693/v1

Measuring the shape of cloud particle size distributions in high-latitude marine cold air outbreaks

2024· preprint· en· W4404755514 sur OpenAlexaboutno aff
Larry Ger B. Aragon, Jonathan Crosier, Paul Connolly, Yi Huang, Peter T. May, Steven J. Abel

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteMet OfficeNatural Environment Research CouncilNational Computational InfrastructureUniversity of LeedsUK Research and Innovation
Mots-clésLatitudeEnvironmental scienceOutbreakMeteorologyCloud computingAtmospheric sciencesParticle (ecology)GeographyClimatologyGeologyGeodesyComputer scienceOceanographyBiologyVirology

Résumé

récupéré en direct d'OpenAlex

Marine cold air outbreaks (MCAOs) drive significant evolutions in marine boundary layer clouds and play a crucial role in high-latitude climate systems. This study examines the variability of cloud particle size distributions (PSDs) and the representation of the Gamma shape parameter μ for high-latitude MCAO clouds in the Northern Hemisphere, focusing on the initial stratocumulus stages and cumulus regime transitions. Aircraft in-situ measurements from 20 flights with identified MCAO conditions were collected during two recent field campaigns: M-Phase conducted over the Labrador Sea in March 2022, and Arctic Cold-Air Outbreak (ACAO) conducted over the Nordic Seas in October to November 2022. Results show that high-latitude MCAO clouds in the Northern Hemisphere exhibit narrow PSDs, characterized by higher μ values (mean μ=20) that imply more reflective clouds compared to the fixed μ=2.5 assumption in some bulk microphysics schemes. Cloud PSDs narrow and μ values increase with height in near-adiabatic stratocumulus clouds, while their patterns are more variable in broken cumulus clouds. Liquid water content correlates more strongly with μ variability than cloud number concentrations, suggesting its better predictability as a prognostic variable for PSD variability in these cloud systems. Both the μ=20 and its derived relation with cloud liquid water content can be applied in bulk microphysics schemes to better represent the microphysical and radiative properties of high-latitude MCAO clouds. The proposed high μ values for MCAO clouds are applicable mainly to typical horizontal resolutions of numerical weather prediction and regional climate models.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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 aerosols and clouds→Travaux en français237 207→