MétaCan
Menu
Retour à la cohorte
Enregistrement W2051041619 · doi:10.1063/1.4804802

Scientific aspects of the Earth clouds, Aerosols, and Radiation Explorer (EarthCARE) mission

2013· article· en· W2051041619 sur OpenAlexaff
David P. Donovan, Howard W. Barker, Robin J. Hogan, Tobias Wehr, Michael Eisinger, Dulce Lajas, Alain Lefebvre

Notice bibliographique

RevueAIP conference proceedings · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRemote sensingEnvironmental scienceLidarRadiometerShortwaveSatelliteAerosolMeteorologyCloud computingRadarComputer scienceGeologyRadiative transferGeographyAerospace engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In recent years remote sensing of cloud, aerosol, precipitation, and radiation has benefited greatly from simultaneous application of multiple sensors. For example, combinations of passive radiometers with active sensors such as lidar or radar have proved to be invaluable for their ability to retrieve profiles of cloud macrophysical and microphysical properties. This is amply illustrated by results from both surface sites, such as the US-DoE's ARM installations, and sensors aboard A-train satellites; namely CloudSat, CALIPSO, and Terra. The Earth Clouds, Aerosols, and Radiation Explorer (EarthCARE) mission, a combined ESA/JAXA endeavor set for launch in 2015, has been designed to host active and passive sensors on a single low-Earth orbit satellite and thus retrieve, through synergistic use of data, the most comprehensive global survey of the vertical structure cloud, aerosol precipitation, and radiation. The mission consists of a cloud-profiling radar, a high-spectral resolution cloud/aerosol lidar, a passive imager, and a threeview broadband radiometer (BBR) covering both longwave and shortwave bands. The mission will deliver cloud, aerosol and radiation products focusing on horizontal scales ranging from 1 km to 10 km at a vertical grid-spacing of 0.1 km.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,337
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,212
Écart entre enseignants0,196 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207