MétaCan
Menu
Retour à la cohorte
Enregistrement W2796644677 · doi:10.1051/epjconf/201817601030

Reduction of multiple scattering to second order scattering for determination of liquid-cloud microphysical properties

2018· article· en· W2796644677 sur OpenAlexaff
Xiaoying Cao, G. Roy, Grégoire Tremblay

Notice bibliographique

RevueEPJ Web of Conferences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésScatteringOpticsAzimuthPolarization (electrochemistry)PhysicsMonte Carlo methodLight scatteringComputational physicsScattering lengthMie scatteringForward scatterLidarChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Under single scattering conditions, water droplets clouds do not depolarize the backscattered light. However, backscattered light from multiple scattering will be depolarized. The level of depolarization is a function of the droplets size and of the cloud extinction coefficient value and its profile; it has also a strong dependency on the lidar field-of-view (FOV) and azimuth angle [1]-[3]. It has been demonstrated in [4] that the multiple scattering cross polarization signal can be reduced to a second order scattering one using the azimuthal dependency of the cross polarization. In this paper we present how the multiple scattering cross polarization can be reduced to a second order scattering and how this signal is related to the droplet particle size. Monte Carlo simulations for clouds at different ranges and effective radius sizes are performed and compared with the results obtained with an analytical model.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,680

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,242
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetAtmospheric aerosols and cloudsTravaux en français237 207