MétaCan
Menu
Back to cohort
Record W7032887113

Observation, caractérisation et modélisation du grésil dans différentes conditions atmosphériques

2024· other· fr· W7032887113 on OpenAlexaboutno aff

Bibliographic record

VenueArchipelago (University of Quebec in Montreal) · 2024
Typeother
Languagefr
FieldPsychology
TopicSecond Language Acquisition and Learning
Canadian institutionsnot available
Fundersnot available
KeywordsDecantationContext (archaeology)Behold
DOInot available

Abstract

fetched live from OpenAlex

Les types de précipitations hivernales qui se produisent près de 0°C sont associés à plusieurs risques pour la société. En plus de ces risques, ces conditions rendent les prévisions météorologiques difficiles puisque de faibles changements de température peuvent mener à une transition du type de précipitations. Or, la pluie, la neige, la neige mouillée, le grésil ou la pluie verglaçante impactent la société de manières distinctes, et de bonnes prévisions permettent de réagir avec les mesures de mitigations adéquates. Parmi ces types de précipitations, la pluie verglaçante est particulièrement dangereuse pour les transports et dommageable pour les infrastructures. Les conditions atmosphériques propices à ce type de précipitations sont très similaires à celles qui conduisent au grésil. Pour ces raisons, ces deux types de précipitations sont souvent confondus dans les prévisions. Afin d’éventuellement en améliorer la prévision, le but général de ce projet de doctorat est de mieux comprendre les processus de formation du grésil et de la pluie verglaçante. Le grésil et la pluie verglaçante se produisent lorsqu’une couche d’air chaud se forme au-dessus d’une couche d’air sous le point de congélation. Dans ces conditions, la neige fond dans la couche d’air chaud et forme de la pluie. Lorsque la pluie rejoint la couche d’air froid, elle peut regeler et former du grésil. Si la pluie ne regèle pas et que la température de la surface est inférieure à 0°C, la pluie gèle au contact du sol et forme de la pluie verglaçante. Le grésil se forme communément lorsque la fonte de la neige est partielle. Dans ce cas, la fraction solide des gouttes déclenche leur regel lorsque leur température atteint une température inférieure à 0°C. Généralement, de la pluie verglaçante est observée lorsque la fonte en altitude est complète. Cependant, du grésil peut aussi se former dans ces conditions, mais les processus de gel sont mal identifiés. L’objectif du premier chapitre de cette thèse est de caractériser la forme et la vitesse de chute des particules de grésil observées et mesurées lors de quatre évènements météorologiques distincts. Ces évènements ont été documentés avec des observations manuelles, des macrophotographies, un disdromètre optique, des données radar et des données de réanalyses. Dans ce chapitre, trois des quatre évènements sont associés à de la fonte partielle en altitude tandis qu’un des évènements est associé à de la fonte complète. On démontre que les caractéristiques physiques du grésil observées sur les macrophotographies varient d’un évènement à l’autre et dépendent des conditions atmosphériques. La vitesse de chute, mesurée par le disdromètre optique, dépend quant à elle des caractéristiques physiques des hydrométéores. Enfin, on démontre qu’on peut utiliser un disdromètre optique pour distinguer le grésil de la pluie verglaçante, de la neige et de la neige mouillée regelée. L’objectif du deuxième chapitre est d’identifier le processus de formation du grésil lors d’un des évènements décrit dans le premier chapitre. Cet évènement, survenu le 12 janvier 2020 sur une durée de plus de 10 heures, est associé à de la fonte complète en altitude. Deux mécanismes de gel sont évalués pour expliquer le gel des gouttes liquides dans la couche froide. Premièrement, le gel peut être induit au contact de noyaux glaçogènes primaires. Cependant, la concentration de ces noyaux glaçogènes dans l’atmosphère est très faible et on estime qu’ils n’auraient permis qu’à une petite fraction des gouttes, < 6 %, de geler. Deuxièmement, le gel peut se produire si une goutte entre en contact avec une particule de glace. Les macrophotographies ont révélé que le grésil avait été accompagné de colonnes de glace d’environ 200 μm pendant tout l’évènement. L’analyse des photos et des données du disdromètre optique ont permis d’estimer que la concentration de colonnes de glace était assez élevée pour geler par contact toutes les gouttes liquides. La présence des colonnes de glace est quant à elle expliquée par des processus de production secondaire de glace comme la fragmentation des gouttes qui gèlent et le processus de Hallett-Mossop. Enfin, on suggère que le fort vent du nord-est près de la surface pourrait avoir favorisé la glaciation de la couche froide en entraînant de la neige sous la couche de fonte. L’objectif du chapitre III est d’évaluer l’impact de la production secondaire de glace sur la distribution de la pluie verglaçante et du grésil à l’aide de simulations réalisées avec le schéma microphysique Predicted Particle Properties (P3) couplé au modèle atmosphérique canadien. Différents processus de production de glace secondaire sont donc ajoutés à P3 pour vérifier s’ils permettent la production de grésil dans les conditions atmosphériques observées le 12 janvier 2020. À l’aide de tests de sensibilité réalisés avec un modèle en une dimension, nous démontrons qu’ajouter un processus de production secondaire de glace au schéma P3 peut produire des précipitations solides à la surface. Le schéma P3 modifié est ensuite utilisé dans des simulations en trois dimensions à haute résolution spatiale. Ces simulations produisent du grésil à Montréal mélangé à de plus petites particules de glace dont les distributions de taille sont étudiées et comparées à celles observées et mesurées le 12 janvier 2020. Le travail réalisé au cours de mon doctorat a différents impacts. Premièrement, les données recueillies pendant quatre évènements de grésil devraient permettre à d’autres chercheurs d’identifier des épisodes de grésil lorsqu’aucun observateur manuel n’est déployé sur le terrain. La première partie de mon travail permet aussi d’en connaître plus sur la variabilité de la vitesse de chute et des caractéristiques physiques du grésil. La deuxième partie de mon travail a permis de développer un modèle conceptuel qui peut expliquer la production de grésil dans des conditions où de la pluie verglaçante est souvent prévue. Enfin, la dernière partie de mon travail permet de comprendre les avantages et les limites de l’ajout de la production secondaire de glace dans un schéma microphysique pour améliorer la modélisation du grésil. En somme, cette thèse contribue à réduire l’ambiguïté qui existe entre le grésil et la pluie verglaçante dans la détection et la modélisation.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.731
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0480.001

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 head0.014
GPT teacher head0.254
Teacher spread0.240 · 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; both teacher heads agree on what is shown here.

Study designQualitative
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
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (University of Quebec in Montreal)Same topicSecond Language Acquisition and LearningFrench-language works237,207