MétaCan
Menu
Retour à la cohorte
Enregistrement W2045042251 · doi:10.1029/2008jd010029

Preliminary comparison of CloudSAT‐derived microphysical quantities with ground‐based measurements for mixed‐phase cloud research in the Arctic

2008· article· en· W2045042251 sur OpenAlexaboutno aff
Gijs de Boer, Gregory J. Tripoli, E. W. Eloranta

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceLidarCloud topIce cloudCloud computingPrecipitationArcticLiquid water contentRadarLatitudeMeteorologyAtmospheric sciencesRemote sensingComputer scienceGeologyGeography

Résumé

récupéré en direct d'OpenAlex

The omnipresent existence of thin, mixed‐phase clouds in northern polar latitudes presents special challenges to CloudSAT as it attempts to map radiatively relevant cloudiness around the globe. In this work, retrieved cloud properties of Arctic mixed‐phase clouds observed simultaneously in Eureka, Canada by ground‐based cloud radar and lidar, and by the CloudSAT Cloud‐Profiling Radar (CPR) are compared. Through these comparisons, we evaluate the efficacy of identification of precipitation and assignment of cloud type by the 2B‐CLDCLASS product, as well as the accuracy of microphysical retrievals from the 2B‐CWC‐RO product. These preliminary comparisons result in the following findings with regard to the CloudSAT retrievals: (1) The cloud detection algorithm worked well, detecting all clouds observed from surface based sensors. (2) Precipitation was not well identified, and was often mislabeled as cloud. (3) Both liquid and ice particle number densities retrieved by CloudSAT are found to be 1 to 2 orders of magnitude too high when compared to surface‐based retrievals and previous studies of these cloud types. (4) CloudSAT particle effective sizes are often too large, with the exception of the largest particles, which are misidentified as liquid. (5) Water contents show the best agreement between the two retrieval types, as well as with measured values from outside studies. All comparisons were completed for raw liquid and ice retrievals, as well as for “composite” retrievals that partition liquid and ice contributions to measured reflectivity through a temperature‐dependent algorithm. Differences found for these limited cases imply that careful analysis is required for application of these cloud products to mixed‐phase cloud research. Furthermore, these differences help highlight specific assumptions within the CloudSAT algorithms that are in need of improvement to complete mixed‐phase cloud retrievals.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,384
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,151
Tête enseignante GPT0,390
Écart entre enseignants0,239 · 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'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

Citations21
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric aerosols and cloudsTravaux en français237 207