Statistics of turbulence parameters at Maunakea using the multiple wavefront sensor data of RAVEN
Notice bibliographique
Résumé
Prior statistical knowledge of atmospheric turbulence is essential for designing, optimizing and evaluating tomographic adaptive optics systems. We present the statistics of the vertical profiles of C^2_N and the outer scale at Maunakea estimated using a SLOpe Detection And Ranging (SLODAR) method from on-sky telemetry taken by a multi-object adaptive optics (MOAO) demonstrator, called RAVEN, on the Subaru telescope. In our SLODAR method, the profiles are estimated by fitting the theoretical autocorrelations and cross-correlations of measurements from multiple Shack–Haltmann wavefront sensors to the observed correlations via the non-linear Levenberg–Marquardt Algorithm (LMA). The analytical derivatives of the spatial phase structure function with respect to its parameters for the LMA are also developed. From a total of 12 nights in the summer season, a large ground C^2_N fraction of 54.3 per cent is found, with median estimated seeing of 0.460 arcsec. This median seeing value is below the results for Maunakea from the literature (0.6–0.7 arcsec). The average C^2_N profile is in good agreement with results from the literature, except for the ground layer. The median value of the outer scale is 25.5 m and the outer scale is larger at higher altitudes; these trends of the outer scale are consistent with findings in the literature.
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 | 0,001 | 0,001 |
| 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 ».