MétaCan
Menu
Retour à la cohorte
Enregistrement W2885974297 · doi:10.1029/2018gl078107

Investigation of Acoustic Waves in the Ionosphere Generated by a Deep Convection System Using Distributed Networks of GPS Receivers and Numerical Modeling

2018· article· en· W2885974297 sur OpenAlexfundno aff
Irfan Azeem, R. L. Walterscheid, G. Crowley

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources CanadaNational Aeronautics and Space AdministrationNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésIonosphereGeologyAmplitudeConvectionThunderstormGravity waveWavelengthTotal electron contentGeophysicsAtmosphere (unit)Acoustic waveStormGravitational waveMeteorologyPhysicsAcousticsTECOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Acoustic waves generated in the lower atmosphere may become an important source of variability in the upper atmosphere. Although excited with small amplitudes compared to gravity waves, they are minimally subjected to viscous dissipation and may reach large amplitudes at F region altitudes. We present total electron content data from a dense network of ground‐based GPS receivers during an outbreak of severe weather over Kansas on 26 May 2016. The results show annular traveling ionospheric disturbances (TIDs) propagating radially outward from the center of the storm. The TID characteristics were consistent with acoustic waves in the infrasonic range. We have modeled the disturbance by including a heat source representing latent heat release from a large thunderstorm. The modeled disturbance at ionospheric altitudes resembles the TIDs in terms of phase speed, frequency, and horizontal wavelength. We conclude that the observed TIDs were caused by an acoustic wave generated by deep convection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 GPT0,263
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207