Reconciling Satellite–Model Discrepancies in Aerosol–Cloud Interactions Using Near-LES Simulations of Marine Boundary Layer Clouds
Notice bibliographique
Résumé
Abstract. Aerosol–cloud interactions (ACI) remain the largest source of uncertainty in estimates of anthropogenic radiative forcing, largely due to inconsistent cloud liquid water path (LWP) responses to aerosol perturbations between observations and models. To reconcile this discrepancy, we conducted a series of simulations at near large-eddy scale (~200 m) driven by realistic meteorology over the Eastern North Atlantic, and evaluated LWP susceptibility, precipitation processes, and boundary layer thermodynamics using satellite and ground-based observations from the Atmospheric Radiation Measurement program. Simulated LWP responses show strong dependence on cloud state. Non-precipitating thin clouds exhibit a modest LWP decrease (mean susceptibility = −0.13) due to enhanced turbulent mixing and evaporation. In contrast, non-precipitating thick clouds show the largest model–observation mismatch, with simulated LWP susceptibilities significantly more positive than observed (+0.32 vs. −0.69). This discrepancy stems from excessive precipitation linked to underestimated entrainment, overactive accretion, and overly broad drop size distributions in polluted clouds. While our high-resolution setup avoids the excessive drizzling common in coarse models and captures key regime transitions, these biases persist—highlighting the need for improved representation of cloud-top processes, precipitation, and aerosol effects in numerical models, which cannot be fully resolved by increasing model resolution alone. Furthermore, misrepresented moisture inversions in reanalysis, which is used for the model initial and boundary conditions, introduce a moist bias in cloud-top relative humidity, amplifying positive LWP susceptibility. Our results also suggest that large negative cloud droplet number– LWP relationships in observations may reflect internal cloud processes rather than true ACI effects.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».