MétaCan
Menu
Retour à la cohorte
Enregistrement W2033636508 · doi:10.1117/12.458123

CrIS raw data records (level 0) to sensor data records (level 1b) processing

2002· article· en· W2033636508 sur OpenAlexaff
Robert H. Poulin, Stéphane Lantagne, Yvan Dutil, Steve Levesque, François Châteauneuf

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensABB (Canada)
Organismes subventionnairesnon disponible
Mots-clésRadianceRemote sensingMichelson interferometerComputer scienceDepth soundingContext (archaeology)InterferometrySatelliteAtmospheric soundingEnvironmental scienceData processingOpticsPhysicsGeologyDatabase

Résumé

récupéré en direct d'OpenAlex

The Cross-track Infrared Sounder (CrIS) is part of the National Polar-orbiting Operational Environmental Satellite System (NPOESS) series of polar-orbiting spacecrafts. The CrIS sensor forms a key component of the larger Cross-track Infrared/Microwave Sounding Suite (CrIMSS) and is intended to operate within the context of the CrIMSS architecture. The CrIS instrument is a Michelson interferometer infrared sounder covering the spectral range of approximately 3.9 to 15.4 microns. CrIS provides cross-track measurements of scene radiance to allow the calculation of temperature and moisture vertical distributions in the Earth's atmosphere. We present sensor data record (SDR) level 1B algorithms that are needed on ground in order to produce meaningful data meeting all requirements of the NPOESS CrIS instrument. Level 1B data are made of geolocated, radiometrically and spectrally (spatial frequency) calibrated spectra with annotated quality indicators. CrIS SDR algorithms include, among others, radiometric calibration with phase error correction, interferometer fringe count error handling and correction of the instrument line shape (ILS) distortion.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,736
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
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 Opus0,083
Tête enseignante GPT0,274
Écart entre enseignants0,191 · 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.

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

Citations3
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetCalibration and Measurement TechniquesTravaux en français237 207