Freezing Fog Microphysics and Visibility Based on CFACT Feb 19 Case
Notice bibliographique
Résumé
The objective of this study is to analyze microphysical parameters affecting visibility parameterizations of a freezing fog case that occurred on 19 February 2022, during the Cold Fog Amongst Complex Terrain (CFACT) project conducted in a high-elevation alpine valley in Utah, USA. Observations are collected using visibility, droplet spectra, ice crystal spectra, and aerosol spectral instruments, as well as in-situ meteorological instruments. Particle phase is determined from relative humidity with respect to water (RHw) as well as ground cloud imaging probe (GCIP), ceilometer (CL61) depolarization ratio, and icing accumulation on the platforms. Results showed that freezing droplet density can affect visibility (Vis) up to 100 m during Vis less than 1 km. In addition, increasing volume can lead to up to a 2 μm increase in droplet radius due to a change in the chemical composition of aerosols from Sodium Chloride (NaCl) to Ammonium Nitrate (NH4NO3). Overall, comparisons suggested that Vis parameterizations are highly variable, and freezing fog conditions resulted in lower Vis values compared to warm fog microphysical parameterizations. Furthermore, riming of freezing fog conditions can lead to more than 50% uncertainty in Vis. It is concluded that changing aerosol composition and freezing fog droplet density and riming can play a major role in Vis simulations.
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 | 0,001 |
| 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 | 0,001 | 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 ».