MétaCan
Menu
Retour à la cohorte
Enregistrement W2084826907 · doi:10.1175/jtech2045.1

Lidar-Based Characterization of the Geometry and Structure of Water Clouds

2007· article· en· W2084826907 sur OpenAlexaff
Luc Bissonnette, G. Roy, Grégoire Tremblay

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésLidarAzimuthRange (aeronautics)Remote sensingAutocorrelationElevation (ballistics)Liquid water contentHistogramEnvironmental scienceRangingGeologyMeteorologyPhysicsGeometryCloud computingGeodesyOpticsMaterials scienceComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Lidar remote sensing measurements of low-level water clouds in the form of vertical soundings and instantaneous (∼1 min) azimuth-over-elevation scans are reported. Retrievals are made of the liquid water content and effective droplet diameter at the same range, time, and angular resolutions as those of the measurements. The results are presented as time–height plots and two-dimensional horizontal maps of the retrieved parameters. The cloud structure is resolved by calculating histograms, spatial autocorrelation functions, and power spectra. The distribution of the horizontal inhomogeneities is characterized over the size range from 10 to ∼1000 m. The Kolmogorov −5/3 power-law dependence is verified in all cases, but the −5/3 regime is broken into two subregimes that are separated by a sudden increase in the energy density level. The results illustrate how lidars can contribute meaningful information on cloud structure at high spatial and temporal resolutions, in near–real time, and over extended periods of time.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,281

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)0,0000,000

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 Opus0,002
Tête enseignante GPT0,183
Écart entre enseignants0,180 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetAtmospheric aerosols and cloudsTravaux en français237 207