MétaCan
Menu
Retour à la cohorte
Enregistrement W2069246901 · doi:10.1029/2009ja015055

Spherical cap harmonic analysis of Super Dual Auroral Radar Network (SuperDARN) observations for generating maps of ionospheric convection

2010· article· en· W2069246901 sur OpenAlexafffund
Robyn Fiori, D. H. Boteler, A. V. Koustov, G. V. Haines, J. M. Ruohoniemi

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2010
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of SaskatchewanNatural Resources Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Air ForceUniversity of Texas at DallasScience and Technology Facilities CouncilNational Science Foundation
Mots-clésConvectionGeophysicsGeologyIonosphereRadarInterplanetary magnetic fieldPhysicsGeodesyMeteorologyPlasmaSolar windComputer science

Résumé

récupéré en direct d'OpenAlex

A spherical cap harmonic analysis (SCHA) technique is introduced for mapping the 2‐D high‐latitude ionospheric convection pattern based on Super Dual Auroral Radar Network (SuperDARN) velocity measurements. The current method for generating such maps is the FIT technique which generates global‐scale maps over the entire convection region. This is accomplished by combining observations with a statistical model to prevent unphysical solutions in areas away from the observation points and by forcing the plasma flow to zero at the low‐latitude boundary of the convection zone. Both constraints distort the mapped convection and require a preconception of where the plasma flow lines should close. By focusing on mapping the convection over a region well covered by velocity observations, the SCHA technique is freed of these constraints and more accurately reproduces local convection. We generate large‐scale convection maps from SuperDARN data for various interplanetary magnetic field (IMF) conditions during periods of widespread radar coverage to show the patterns are consistent with expectations for various IMF configurations. We validate the SCHA maps by comparing them with the 2‐D ion drifts measured by the DMSP satellites and with the 2‐D convection vectors obtained by merging SuperDARN measurements at beam crossings. The SCHA technique is shown to perform comparably to the FIT technique over regions of good data coverage. For limited data coverage and over regions of highly variable flow, particularly near the equatorward edge of the mapping region, the SCHA technique provides a better solution for mapping ionospheric convection based on SuperDARN radar observations.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,031
Tête enseignante GPT0,306
Écart entre enseignants0,275 · 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'étudeSimulation ou modélisation
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

Citations27
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207