Impacts of Predicted Liquid Fraction and Multiple Ice‐Phase Categories on the Simulation of Hail in the Predicted Particle Properties (P3) Microphysics Scheme
Notice bibliographique
Résumé
Abstract Since its inception in 2015, the Predicted Particle Properties (P3) bulk microphysics scheme has undergone several major developments. Ice is now represented by a user‐specified number of freely‐evolving (non‐prescribed) categories; the liquid fraction of particles is predicted, thereby allowing for mixed‐phase particles and improved process rates; and the scheme is triple‐moment, which allows the size spectral width to vary independently. As such, P3 is now capable of representing key properties and microphysical processes that are important for hail. In this study, the impacts of some new capabilities of P3 on the simulation of hail amounts and sizes are examined in the context of idealized, high‐resolution (200‐m isotropic grid spacing) hailstorm simulations using a cloud‐resolving model. Sensitivity tests are conducted to examine the impacts of (a) the predicted liquid fraction, and (b) the number of generic ice‐phase categories (varied between one and four). Predicted liquid fraction leads to a more realistic treatment of melting and shedding, which decreases the mean ice (hail) sizes during melting compared to the original P3 scheme. In contrast, with an increasing number of ice‐phase categories, the problem of property dilution is mitigated, ultimately resulting in greater quantities of hail and larger sizes reaching the surface. It is argued that the latest version of the P3 scheme is now capable of realistically representing the major microphysical processes involved in the initiation, growth, and decay of hail.
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 | 0,001 | 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 ».