MétaCan
Menu
Retour à la cohorte
Enregistrement W2782881837 · doi:10.1002/2017je005314

Interannual and Diurnal Variability in Water Ice Clouds Observed from MSL Over Two Martian Years

2018· article· en· W2782881837 sur OpenAlexafffund
Jacob L. Kloos, John E. Moores, J. A. Whiteway, Monika Aggarwal

Notice bibliographique

RevueJournal of Geophysical Research Planets · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensYork University
Organismes subventionnairesCanadian Space AgencyCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésNoonMorningMars Exploration ProgramOpacityMartianEnvironmental scienceAtmosphere of MarsAtmospheric sciencesPhotometry (optics)Diurnal temperature variationVariation (astronomy)ClimatologyMeteorologyAstrobiologyGeologyGeographyPhysicsAstronomyStars

Résumé

récupéré en direct d'OpenAlex

Abstract We update the results of cloud imaging sequences from the Mars Science Laboratory (MSL) rover Curiosity to complete two Mars years of observations ( L S =160° of Mars year (MY) 31 to L S =160° of MY 33). Relatively good seasonal coverage is achieved within the study period, with just over 500 observations obtained, averaging one observation every 2–3 sols. Cloud opacity measurements are made using differential photometry and a simplified radiative transfer method. These opacity measurements are used to assess the interannual variability of the aphelion cloud belt (ACB) for MY 32 and 33. Upon accounting for a statistical bias in the data set, the variation is found to be <30% within uncertainty. Diurnal variation of the ACB is also able to be examined in MY 33 owing to an increased number of early morning observations in this year. Although a gap in data around local noon prevents a complete assessment, we find that cloud opacity is moderately increased in the morning hours (07:00–09:00) compared to the late afternoon (15:00–17:00).

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,335
Écart entre enseignants0,289 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research PlanetsMême sujetPlanetary Science and ExplorationTravaux en français237 207