MétaCan
Menu
Retour à la cohorte
Enregistrement W1935178354 · doi:10.1175/bams-d-15-00048.1

The Threat to Weather Radars by Wireless Technology

2015· article· en· W1935178354 sur OpenAlexaff
Elena Saltikoff, John Y. N. Cho, Philippe Tristant, Asko Huuskonen, Lynn Allmon, Russell Cook, Erik Becker, Paul Joe

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésWirelessRadarTelecommunicationsProcess (computing)Wireless networkComputer scienceRadio spectrumWeather radarWork (physics)Engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Wireless technology, such as local area telecommunication networks and surveillance cameras, causes severe interference for weather radars because they use the same operational radio frequencies. One or two disturbances can be removed from the radar image, but the number and power of the interfering wireless devices are growing all over the world, threatening that one day the radars could become useless for weather observations. Some agencies have already changed or are considering changing frequency bands, but now even other bands are under threat. Use of equipment at radio frequencies is regulated by laws and international agreements. Technologies have been developed for peaceful coexistence. If wireless devices use these technologies to protect weather radars, their data transmission capabilities become limited, so it is tempting to violate the regulations. Hence, it is an important task for the worldwide weather community to involve themselves in the radio frequency management process and work in close contact with their national radio authorities to ensure that meteorological interests be duly taken into account in any decision-making process toward the future usage of wireless devices.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,223
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetPrecipitation Measurement and AnalysisTravaux en français237 207