MétaCan
Menu
Retour à la cohorte
Enregistrement W2175022800 · doi:10.1175/jtech1863.1

Calibrating the Spatial Response of Bio-Optical Sensors

2006· article· en· W2175022800 sur OpenAlexaff
Fabian Wolk, Hidekatsu Yamazaki, Hua Li, Rolf G. Lueck

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2006
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensUniversity of Victoria
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésFluorometerWavenumberTransfer functionRemote sensingOpticsSampling (signal processing)Image resolutionWavelengthBiological systemFluorescenceMaterials sciencePhysicsDetectorGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This article describes an experimental method used to establish the spatial wavenumber response of in situ fluorometers. The method is applied to a fluorometer developed to measure the structure of the fluorescence field at high spatial wavenumbers. This fluorometer detects fluorescence variations on centimeter scales by creating a sampling volume in the undisturbed flow region, outside of the sensor housing. The sampling volume is created by intersecting beams of blue excitation light. To establish the size of the sampling volume and the amount of spatial averaging, the fluorometer and a fast response thermistor are towed repeatedly through a warm, fluorescent plume in a tow tank. The ratio of the measured fluorescence and temperature spectrum determines the wavenumber response of the fluorometer. The measured spectral ratio is well described by the transfer function of a first-order, low-pass filter with a half-power point at 22 cpm. The equivalent spatial resolution is 7 mm. The transfer function model can be used to correct measured fluorescence spectra for the limited wavenumber response of the sensor.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetAnalytical Chemistry and SensorsTravaux en français237 207