Improvement of SuperDARN velocity measurements by estimating the index of refraction in the scattering region using interferometry
Notice bibliographique
Résumé
In past calculations of convective velocities from Super Dual Auroral Radar Network (SuperDARN) HF radar observations, the refractive index in the scattering region has not been taken into account, and therefore the inferred ionospheric velocities may be underestimated. In light of the significant contribution by SuperDARN to ionospheric and magnetospheric research, it is important to refine the velocity determination. The refractive index in the ionosphere at SuperDARN observation F region altitudes has typical values between 0.8 and close to unity. In the scattering region, where conditions are more extreme, the index of refraction may be much lower. A simple application of Snell's law in spherical coordinates (Bouguer's law) suggests that a proxy for the index of refraction at the scattering location can be determined by measuring the elevation angle of the returned ionospheric radar signal. Using this approximation for refractive index, the Doppler velocity calculation can be refined for each SuperDARN ionospheric echo, using the elevation angles obtained from the SuperDARN interferometer data. A velocity comparison of DMSP and SuperDARN observations has revealed that the SuperDARN speeds were systematically lower than the DMSP speeds. A linear regression analysis of the velocity comparisons found a best fit slope of 0.74. When the elevation angle data were used to estimate refractive index, the best fit slope rose 12% to 0.83. As most SuperDARN radars employ an interferometer antenna array for elevation angle measurements, the improvement in velocity estimates can be done routinely using the method outlined in this paper.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».