Sky Quality Meter measurements in a colour-changing world
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Sky Quality Meter (SQM) has become the most common device used to track the evolution of the brightness of the sky from polluted regions to first-class astronomical observatories. A vast database of SQM measurements already exists for many places in the world. Unfortunately, the SQM operates over a wide spectral band and its spectral response interacts with the sky's spectrum in a complex manner. This is why the optical signals are difficult to interpret when the data are recorded in regions with different sources of artificial light. The brightness of the night sky is linked in a complex way to ground-based light emissions, while taking into account atmospheric-induced optical distortion as well as spectral transformation from the underlying ground surfaces. While the spectral modulation of the sky's radiance has been recognized, it still remains poorly characterized and quantified. The impact of the SQM's spectral characteristics on sky-brightness measurements is analysed here for different light sources, including low- and high-pressure sodium lamps, PC-amber and white LEDs, metal halide and mercury lamps. We show that a routine conversion of radiance to magnitude is difficult, or rather impossible, because the average wavelength depends on actual atmospheric and environment conditions, the spectrum of the source and device-specific properties. We correlate SQM readings with both the Johnson astronomical photometry bands and the human system of visual perception, assuming different lighting technologies. These findings have direct implications for the processing of SQM data and for their improvement and/or remediation.
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.
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 | 0,001 | 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 | 0,000 |
| 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) | 0,001 | 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 découle