On the Challenges of Tomography Retrievals of a 2D Water Vapor Field Using Ground-Based Microwave Radiometers: An Observation System Simulation Experiment
Notice bibliographique
Résumé
Abstract Two-dimensional water vapor fields were retrieved by simulated measurements from multiple ground-based microwave radiometers using a tomographic approach. The goal of this paper was to investigate how the various aspects of the instrument setup (number and spacing of elevation angles and of instruments, number of frequencies, etc.) affected the quality of the retrieved field. This was done for two simulated atmospheric water vapor fields: 1) an exaggerated turbulent boundary layer and 2) a simplified water vapor front. An optimal estimation algorithm was used to obtain the tomographic field from the microwave radiometers and to evaluate the fidelity and information content of this retrieved field. While the retrieval of the simplified front was reasonably successful, the retrieval could not reproduce the details of the turbulent boundary layer field even using up to nine instruments and 25 elevation angles. In addition, the vertical profile of the variability of the water vapor field could not be captured. An additional set of tests was performed using simulated data from a Raman lidar. Even with the detailed lidar measurements, the retrieval did not succeed except when the lidar data were used to define the a priori covariance matrix. This suggests that the main limitation to obtaining fine structures in a retrieved field using tomographic retrievals is the definition of the a priori covariance matrix.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».