MétaCan
Menu
Retour à la cohorte
Enregistrement W1994671266 · doi:10.1029/2006jd008079

Stratospheric aerosol retrieval with optical spectrograph and infrared imaging system limb scatter measurements

2007· article· en· W1994671266 sur OpenAlexaff
Adam Bourassa, D. A. Degenstein, R. L. Gattinger, E. J. Llewellyn

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésStratosphereAerosolOccultationEnvironmental scienceRemote sensingTropospherePhysicsAtmospheric sciencesMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

An algorithm for the retrieval of global stratospheric aerosol profiles is presented using the optical spectrograph and infrared imaging system limb scatter measurements as an example data set. The retrieval utilizes a one‐dimensional version of the MART nonlinear relaxation inversion suitable for limb scatter. A height profile of the particle size distribution must be assumed in order to retrieve the aerosol number density. An altitude normalized wavelength ratio measurement vector is employed to minimize effects of upwelling radiation from ground albedo and uncertainties in the neutral density profile. Using a method of numerical perturbation, a formal error analysis is performed that shows that the dominant error term is the measurement noise. Comparison with stratospheric aerosol and gas experiment (SAGE) II and SAGE III coincident measurements of extinction shows agreement with the limb scatter retrievals to within 15% throughout the lower stratosphere for an appropriate choice of particle size distribution. The relatively high sampling resolution of the limb scatter technique makes this data set of interest for studying the dynamics of the stratosphere, stratosphere/troposphere exchange, and for extending the long history of the aerosol data record from the SAGE series of occultation measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,649

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,281
Écart entre enseignants0,253 · 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 tête enseignante, 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

Citations132
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric Ozone and ClimateTravaux en français237 207