Satellite‐beacon Ionospheric‐scintillation Global Model of the upper Atmosphere (SIGMA) II: Inverse modeling with high‐latitude observations to deduce irregularity physics
Notice bibliographique
Résumé
Abstract Ionospheric scintillation is caused by irregularities in the ionospheric electron density. The characterization of ionospheric irregularities is important to further our understanding of the underlying physics. Our goal is to characterize the intermediate (0.1–10 km) to medium (10–100 km) scale high‐latitude irregularities which are likely to produce these scintillations. In this paper, we characterize irregularities observed by Global Navigation Satellite System (GNSS) during a geomagnetically active period on 9 March 2012. For this purpose, along with the measurements, we are using the recently developed model: “Satellite‐beacon Ionospheric‐scintillation Global Model of the upper Atmosphere” (SIGMA). The model is particularly applicable at high latitudes as it accounts for the complicated geometry of the magnetic field lines in these regions and is presented in an earlier paper. We use an inverse modeling technique to derive irregularity parameters by comparing the high rate (50 Hz) GNSS observations to the modeled outputs. In this investigation, we consider experimental observations from both the northern and southern high latitudes. The results include predominance of phase scintillations compared to amplitude scintillations that imply the presence of larger‐scale irregularities of sizes above the Fresnel scale at GPS frequencies, and the spectral index ranges from 2.4 to 4.2 and the RMS number density ranges from 3e11 to 2.3e12 el/m 3 . The best fits we obtained from our inverse method that considers only weak scattering mostly agree with the observations. Finally, we suggest some improvements in order to facilitate the possibility of accomplishing a unique solution to such inverse problems.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».