Improving Radar Refractivity Retrieval by Considering the Change in the Refractivity Profile and the Varying Altitudes of Ground Targets
Notice bibliographique
Résumé
Abstract Accurate radar refractivity retrievals are critical for quantitative applications, such as assimilating refractivity into numerical models or studying boundary layer and convection processes. However, the technique as originally developed makes some simplistic assumptions about the heights of ground targets ( ) and the vertical gradient of refractivity ( ). In reality, the field of target phases used for refractivity retrieval is noisy because of varying terrain and introduces estimation biases. To obtain a refractivity map at a constant height above terrain, a 2D horizontal refractivity field at the radar height must be computed and corrected for altitude using an average . This is achieved by theoretically clarifying the interpretation of the measured phase considering the varying and the temporal change of . Evolving causes systematic refractivity biases, as it affects the beam trajectory, the associated target range, and the refractivity field sampled between selected targets of different heights. To determine and changes, a twofold approach is proposed: first, can be reasonably inferred based on terrain height; then, a new method of estimation is devised by using the property of the returned powers of a pointlike target at successive antenna elevations. The obtained shows skill based on in situ tower observation. As a result, the data quality of the retrieved refractivity may be improved with the newly added information of and .
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».