Preface to the AAQR Special Issue “Fog, Fog Collection and Dew”
Notice bibliographique
Résumé
Fog is a “suspension of very small, usually microscopic water droplets” that “reduce horizontal visibility at the Earth’s surface to less than 1 km” (WMO, 2017). Fog may also be considered as a cloud in contact with the Earth’s surface. Dew is a “deposit of water drops on objects, produced by the direct condensation of water vapour from the surrounding air” (WMO, 2017). Both fog and dew formation are driven by the condensation of water vapor to liquid water in the very lowest part of the atmospheric boundary layer, i.e., in association with air masses with terrestrial or marine surface contact. Fog as a phenomenon is the object of various science and engineering fields such as meteorology, transportation safety, hydrology, and biology. Fog can scavenge airborne pollutants in urban and industrial areas, creating a health hazard, but can also deliver nutrients to natural environments. As part of the ecohydrology of natural systems around the world, fog creates unique endemic species distributions. Through its unique impact on humans’ perception of the environment, fog has also found its way into literature and the art of painting. In some areas of the world, fog is even utilized as a valuable source for freshwater production. To lesser degree, this is also true for dew, which may be collected with the aim to generate potable water. The triannual International Conference of Fog, Fog Collection and Dew started some 20 years ago in Vancouver (Canada, 1998), went on through St. John's (Canada, 2001), Cape Town (South Africa, 2004), La Serena (Chile, 2007), Münster Germany, 2010), Yokohama (Japan, 2013), Wrocław (Poland, 2016), and will be continued in Taipei (Taiwan) in 2019. This special issue of “Aerosol and Air Quality Research” (AAQR) is a selection of contributions as presented at the most recent 7th International Conference of Fog, Fog Collection and Dew at the University of Wrocław from 24 through 29 July, 2016. Of the 162 contributions to the conference, 33 were submitted to AAQR as manuscripts to be included in this special issue. Twenty one were accepted after a peer-review process and guest editors’ decisions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,193 | 0,128 |
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 source (Gemma direct ou Codex distillé), 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 ».