Secondary ice processes: Results from seven airborne field campaigns
Notice bibliographique
Résumé
<!--!introduction!--><b></b> The secondary ice process (SIP) in cumulus clouds is a major microphysical process, which can result in rapid enhancement of ice particle concentration in the presence of pre-existing ice. We present results of airborne investigations of Cumulus Congestus clouds (CuCg) from seven field campaigns spanning the time period from 2011 – 2022: ICE-T, SEAC<sup>4</sup>RS, UAEREP (2), CAMP<sup>2</sup>Ex, SPICULE and ESCAPE. The SPEC Learjet research aircraft participated in all of the field projects accompanied by other research aircraft in five of the seven projects. The results presented are a synthesis of measurements of marine and continental CuCg from the Caribbean, Southeast U.S., South China Sea, UAE and U.S. High Plains. The composite data indicate that after the first primary ice typically formed at temperatures colder than about -8°C, subsequent production of ice via the fractured frozen drop (FFD) SIP was strongly related to the concentration of supercooled large drops (SLDs), with diameters from about 0.2 mm to a few mm. The concentration of SLDs is directly linked to the rate of collision-coalescence, which in turn depends primarily on the subcloud aerosol size distribution and cloud base temperature. Once the production of small ice is initiated via the FFD SIP, the differential in fall velocities between small ice and SLDs creates an avalanche process that rapidly freezes the supercooled region of an updraft core. Other SIP mechanisms, Hallett-Mossop and ice-ice collisions, are also considered. These studies provide the framework for a consistent picture of FFD SIP parameterization in weather prediction models. <br>
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».