Extending and Merging the Purple Crow Lidar Temperature Climatologies Using the Inversion Method
Notice bibliographique
Résumé
Rayleigh and Raman scatter measurements from The University of Western Ontario Purple Crow Lidar (PCL) have been used to develop temperature climatologies for the stratosphere, mesosphere, and thermosphere using data from 1994 to 2013 (Rayleigh system) and from 1999 to 2013 (vibrational Raman system). Temperature retrievals from Rayleigh-scattering lidar measurements have been performed using the methods by Hauchecorne and Chanin (1980; henceforth HC) and Khanna et al. (2012). Argall and Sica (2007) used the HC method to compute a climatology of the PCL measurements from 1994 to 2004 for 35 to 110 km, while Iserhienrhien et al. (2013) applied the same technique from 1999 to 2007 for 10 to 35 km. Khanna et al. (2012) used the inversion technique to retrieve atmospheric temperature profiles and found that it had advantages over the HC method. This paper presents an extension of the PCL climatologies created by Argall and Sica (2007) and Iserhienrhien et al. (2013). Both the inversion and HC methods were used to form the Rayleigh climatology, while only the latter was adopted for the Raman climatology. Then, two different approaches were used to merge the climatologies from 10 to 110 km. Among four different functional identities, a trigonometric hyperbolic relation results in the best choice for merging temperature profiles between the Raman and Low level Rayleigh channels, with an estimated uncertainty of 0.9 K for merging temperatures. Also, error function produces best result with uncertainty of 0.7 K between the Low Level Rayleigh and High Level Rayleigh channels. The results show that the temperature climatologies produced by the HC method when using a seed pressure are comparable to the climatologies produced by the inversion method. The Rayleigh extended climatology is slightly warmer below 80 km and slightly colder above 80 km. There are no significant differences in temperature between the extended and the previous Raman channel climatologies. Through out this study, we discuss the data collected by PCL for a long term (1994–2013) up to 110 km. Moreover, different merging functions in various methods were used to merge the temperature climatologies for different channels.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».