Notice bibliographique
Résumé
<strong class="journal-contentHeaderColor">Abstract.</strong> This study examines the impact of inclusion of secondary ice production (SIP) parameterizations on the cloud microphysics and dynamics in numerical weather prediction (NWP) simulations under mid-latitude winter conditions. Hindcast mesoscale model simulations were performed for two flights from the 2019 In-Cloud ICing and Large-drop Experiment (ICICLE) field campaign. The simulations used a horizontal grid spacing of 250 meters and employed a detailed triple-moment bulk microphysics scheme capable of predicting the liquid fraction of hydrometeors. SIP processes, including the Hallett-Mossop (HM) and fragmentation of freezing drops (FFD), are parameterized in this study. The NWP simulation results are compared with observational data collected during the ICICLE campaign. Sensitivity tests were conducted to highlight the importance of better quantifying SIP production rate in the NWP models. The findings indicate that SIP significantly enhances the simulated cloud ice number concentration and ice water content, particularly under strong convective conditions during winter. Additionally, the results reveal that the simulations are highly sensitive to the parameterization of HM and FFD processes due to the interaction between these two SIP mechanisms. High ice water content (HIWC) production is closely associated with SIP in strong convective conditions, whereas in stratiform conditions, HIWC can occur without a significant impact from SIP.
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 | 0,000 | 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 | 0,001 |
| 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 ».