Recent observations of clouds and precipitation by the airborne precipitation radar 2<sup>nd</sup>generation in support of the GPM and ACE missions
Notice bibliographique
Résumé
The Ku-/Ka-band, Doppler, scanning, polarimetric airborne radar, known as the Airborne Dual-Frequency Precipitation Radar (APR-2) has been collecting data since 2001 in support of many spaceborne instruments and missions aiming at the observation of clouds and precipitation (e.g., TRMM, AMSR-E, GPM, CloudSat, ACE). The APR-2 suite of processing and retrieval algorithms (ASPRA) produces Level 1 (L1) products, microphysical classification and retrievals, and wind intensity estimates. ASPRA was also generalized to operate on an arbitrary set of radar configuration parameters to study the expected performance of multi-frequency spaceborne cloud and precipitation radars such as the GPM DPR (Global Precipitation Measurement mission, Dual-Frequency Precipitation Radar) and a notional radar for the Aerosol/Clouds/Ecosystem (ACE) mission. In this paper we illustrate the unique dataset collected during the Global Precipitation Measurement Cold-season Precipitation Experiment (GCPEx, US/Canada Jan/Feb 2012). We will focus on the significance of these observations for the development of algorithms for GPM and ACE, with particular attention to classification and retrievals of frozen and mixed phase hydrometeors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».