MétaCan
Menu
Retour à la cohorte
Enregistrement W2726761143 · doi:10.5194/angeo-35-777-2017

Tracking patchy pulsating aurora through all-sky images

2017· article· en· W2726761143 sur OpenAlexafffund
Eric Grono, E. Donovan, K. R. Murphy

Notice bibliographique

RevueAnnales Geophysicae · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space AgencyDanmarks Tekniske UniversitetNational Aeronautics and Space Administration
Mots-clésConvectionSkyTracking (education)MagnetosphereNight skyGeophysicsPlasmaspherePhysicsGeologyPlasmaMeteorologyAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract. Pulsating aurora is frequently observed in the evening and morning sector auroral oval. While the precipitating electrons span a wide range of energies, there is increasing evidence that the shape of pulsating auroral patches is controlled by structures in near-equatorial cold plasma; these patches appear to move with convection, for example. Given the tremendous and rapidly increasing amount of auroral image data from which the velocity of these patches can be inferred, it is timely to develop and implement techniques for the automatic identification of pulsating auroral patch events in these data and for the automatic determination of the velocity of individual patches from that data. As a first step towards this, we have implemented an automatic technique for determining patch velocities from sequences of images from the Time History of Events and Macroscale Interactions during Substorms (THEMIS) all-sky imager (ASI) and applied it to many pulsating aurora events. Here we demonstrate the use of this technique and present the initial results, including a comparison between ewograms (east–west keograms) and time series of patch position as determined by the algorithm. We discuss the implications of this technique for remote sensing convection in the inner magnetosphere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,286
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnales GeophysicaeMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207