MétaCan
Menu
← Back to cohort
Record W2949685075 · doi:10.82308/36327

Observations of shallow trade-wind cumulus cloudiness and mass flux variability and their relationship to boundary layer structure

2015· article· en· W2949685075 on OpenAlexfundno aff
Katia Lamer

Bibliographic record

VenueeScholarship@McGill (McGill) · 2015
Typearticle
Languageen
FieldEnvironmental Science
TopicAtmospheric aerosols and clouds
Canadian institutionsnot available
FundersFonds Québécois de la Recherche sur la Nature et les TechnologiesStrongNatural Sciences and Engineering Research Council of CanadaMcGill University
KeywordsAtmospheric sciencesBoundary layerTroposphereMass fluxFlux (metallurgy)Environmental scienceCloud coverClimatologyCloud fractionGeologyCloud computingMaterials sciencePhysics

Abstract

fetched live from OpenAlex

Les cumulus océaniques sont omniprésents dans les régions subtropicales et aident à réguler la structure thermodynamique de la basse troposphère ainsi que la circulation tropicale à grande. Pourtant, une pénurie d'observations de la distribution verticale des cumulus océaniques et de leur flux de persiste. Par chance, les capteurs à distance modernes basés sur des iles, plus précisément le radar de nuage vertical de la Barbade possède la sensibilité pour étudier les hydrométéores qui, quand ils sont assez petits, peuvent aussi être utilisés pour retracer le mouvement de l'air.Au cours des 2 ans analysés, le profile de fraction nuageuse des cumulus sans précipitation (maximum 4.5 % à 710 m), avec précipitation sans (maximum 2.3 % à 809 m) et avec segments stratiformes attachés (maximum 1 % à 1679 m) oscille légèrement (~ 3 %). Les cumulus avec précipitation et couche stratiforme detraînée sont plus épais et contiennent des variations de réflectivité et de vitesse Doppler plus abruptes que les autres cumulus pluvieux. Les cumulus sans précipitation possèdent un noyau de réflectivité surélevé et un centre ascendant entouré par une coquille descendante. Des statistiques globale (3 h) montrent que ces nuages sont actifs et organisés. Ils contiennent 79 % de courants ascendants et 86 % d'entre eux sont organisés en de larges structures cohérentes qui contribuent au flux de masse maximum de 0.008-0.036 kgm-2s-1 juste au dessus de la base des nuages. D'un autre côté, les courants descendants contribuent un flux de masse négligeable and montrent peu de variations verticales et temporelles (0.000-0.007 kgm-2s-1). Complémenter d'information du lidar Raman, les profiles de flux de masse ascendant normalisés suggèrent que l'inclinaison du profile de flux de masse ascendant est inversement proportionnel à l'humidité environnementale. De façon similaire, la présence de couches stratiformes detraînées coïncide avec l'humidification de l'environnent sous la couche d'inversion. Considérant ceci, l'analyse présentée ici est utile pour évaluer et restreindre la représentation des nuages et les parametrisations de flux de masse dans les modèles numériques.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.017
Threshold uncertainty score0.034

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.033
GPT teacher head0.231
Teacher spread0.198 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)→Same topicAtmospheric aerosols and clouds→French-language works237,207→