Notice bibliographique
Résumé
Abstract Accurate geolocation of ionospheric backscatter measured by the Super Dual Auroral Radar Network (SuperDARN) high‐frequency radars is critical for the integrity of polar ionospheric convection maps, which involve combining SuperDARN line‐of‐sight velocity measurements originating from multiple locations. Geolocation requires estimation of the propagation paths of the high‐frequency radio signal to and from the scattering volume. The SuperDARN radars comprise both a main and interferometer antenna array to allow the estimation of the elevation angle of arrival of the returning signal, and hence its most likely propagation path. However, over the history of operation of SuperDARN (>20 years) elevation angle data have not been routinely used owing to problems with the calibration of phase difference measurements. Instead, virtual height models have been used to estimate the most likely propagation paths, and these are often of limited accuracy. Here we present a method for calibrating SuperDARN interferometer measurements using backscatter from meteor trails measured in the near field‐of‐view of the SuperDARN radars. We present estimates of calibration factors for the SuperDARN radar in Saskatoon, Canada, at different temporal resolutions: 3 months, 10 days, and 1 day. The calibration factor varies over the 9‐year interval studied, such that employing a single value for the whole interval would lead to significant errors in elevation angle measurements at times. The higher‐resolution results show the ability of the technique to determine the calibration factor routinely at a high time resolution.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».