MétaCan
Menu
Retour à la cohorte
Enregistrement W2104030378 · doi:10.1109/igarss.2000.860472

First results from the Canadian Convair (NRC) 35 GHz cloud-profiling radar during AIRS

2002· article· en· W2104030378 sur OpenAlexaffabout
J.E. Jordan, J. W. Strapp, David Hudak, Peter Rodriguez, K. B. Strawbridge, Lyle Lilie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésRemote sensingRadarLidarEnvironmental scienceScatterometerMeteorologyAtmospheric researchDoppler radar3D radarRadar engineering detailsAerospace engineeringRadar imagingGeologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The NRC Institute for Aerospace Research and the Meteorological Service of Canada have collaborated for a number of years in making atmospheric measurements using the NRC Convair 580 aircraft. This has involved measurements of physical parameters including atmospheric state, cloud particle microphysics and solar radiation. In recent years an IR lidar system with dual beams has been installed. During 1999, a cloud-profiling radar (CPR), operating at a wavelength of 8.6 mm, was installed to make additional remote measurements. This millimetre-wave radar system provides a unique capability when used in concert with other sensors such as the lidar and A-Band spectrometer. During December 1999 and January/February 2000, the radar was used for the first time in the Alliance Icing Research Study (AIRS). The primary focus of the study was to measure atmospheric conditions leading to aircraft icing, using both in-situ as well as remote measurements from the aircraft and the ground. The purpose of this paper is to describe the radar and lidar and other related aircraft sensors, and to show some preliminary results from the AIRS experiment. The motivation for using a cloud radar on the aircraft was to make measurements of radar reflectivity (and eventually Doppler spectra) at high sensitivity and spatial resolution.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,885

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 Opus0,016
Tête enseignante GPT0,173
Écart entre enseignants0,157 · 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'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

Citations3
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIcing and De-icing TechnologiesTravaux en français237 207