On the Prediction of Aerosol‐Cloud Interactions Within a Data‐Driven Framework
Rattachement africain : us, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Aerosol‐cloud interactions (ACI) pose the largest uncertainty for climate projection. Among many challenges of understanding ACI, the question of whether ACI can be deterministically predicted has not been explicitly answered. Here we attempt to answer this question by predicting cloud droplet number concentration from aerosol number concentration and ambient conditions using a data‐driven framework. We use aerosol properties, vertical velocity fluctuations, and meteorological states from the ACTIVATE field observations (2020–2022) as predictors to estimate . We show that the campaign‐wide can be successfully predicted using machine learning models despite the strongly nonlinear and multi‐scale nature of ACI. However, the observation‐trained machine learning model fails to predict in individual cases while it successfully predicts of randomly selected data points that cover a broad spatiotemporal scale. This suggests that, within a data‐driven framework, the prediction is uncertain at fine spatiotemporal scales.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- On the Prediction of Aerosol‐Cloud Interactions Within a Data‐Driven Framework
- Date Crossref
- 13/12/2024
- Éditeur
- American Geophysical Union (AGU)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Pacific Northwest National Laboratory pays non établi dans la noticeStructure de recherche
-
University of Arizona Department of Chemical and Environmental Engineering and Department of Hydrology and Atmospheric Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Langley Research Center pays non établi dans la noticeStructure de recherche
-
Johannes Gutenberg University Mainz pays non établi dans la noticeUniversité ou école supérieure
-
Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR) pays non établi dans la noticeStructure de recherche
-
Richland School District Two pays non établi dans la noticeUniversité ou école supérieure
-
and Institute for Physics of the Atmosphere Johannes Gutenberg‐University Mainz Wessling Germany Institut für Physik der Atmosphäre Deutsches Zentrum für Luft‐ und Raumfahrt (DLR) Oberpfaffenhofen pays non établi dans la noticeUniversité ou école supérieure
-
Hanford High School Richland WA USA pays non établi dans la noticeInstitution
Pacific Northwest National Laboratory, Department of Chemical and Environmental Engineering and Department of Hydrology and Atmospheric Sciences — University of Arizona et Langley Research Center, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.