MétaCan
Menu
Retour à la cohorte
Enregistrement W2032494405 · doi:10.1139/p06-090

Using colour in auroral imaging

2007· article· en· W2032494405 sur OpenAlexvenueno aff
Noora Partamies, M. Syrjäsuo, E. Donovan

Notice bibliographique

RevueCanadian Journal of Physics · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMagentaSubstormPhysicsPhotometerCyanRainbowRemote sensingOpticsPhotometry (optics)WavelengthField of viewAstrophysicsGeologyMagnetic fieldStars

Résumé

récupéré en direct d'OpenAlex

The prototype of an auroral colour camera named Rainbow was run at the Auroral Station in Adventdalen, Svalbard, Norway, during a Finnish optical campaign in February, 2004. Instead of narrow band-pass filters and grey-scale images, this imager records colour images of the aurora using four wide-band channels (a colour CCD) with the field-of-view of about 150°. In this study, we show the results of fitting the four Rainbow channels (cyan-magenta, cyan-green, yellow-magenta, yellow-green) to reconstruct the traditionally filtered auroral wavelengths: green (557.7 nm), red (630.0 nm), and blue (427.8 nm), which were simultaneously recorded by the meridian scanning photometer (MSP) at the same station. This fit is qualitatively extremely good and almost linear throughout the data. In studying the auroral evolution during substorms, there is no significant difference whether MSP or Rainbow data are used. However, due to wide-band colour channels, the background illumination has a strong effect on the Rainbow data. During low signal levels (only background or faint aurora) the reconstruction errors are larger. The data for this study were captured on 21 February 2004. The time period of interest includes a substorm sequence, which is examined using colour auroral images and data from the MSP. PACS No.: 94.20.Ac

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207