MétaCan
Menu
Retour à la cohorte
Enregistrement W2892018637 · doi:10.5194/acp-19-4595-2019

Lidar measurements of thin laminations within Arctic clouds

2019· article· en· W2892018637 sur OpenAlexafffundabout
Emily McCullough, J. R. Drummond, T. J. Duck

Notice bibliographique

RevueAtmospheric chemistry and physics · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space AgencyIndigenous and Northern Affairs CanadaEnvironment and Climate Change CanadaEurostarsStrongOntario Innovation Trust
Mots-clésLidarEnvironmental scienceRadiosondeAtmospheric sciencesSnowArcticAltitude (triangle)The arcticRelative humidityContext (archaeology)HumidityMeteorologyRemote sensingGeologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Very thin ( < 10 m) laminations within Arctic clouds have been observed in all seasons using the Canadian Network for the Detection of Atmospheric Change (CANDAC) Rayleigh–Mie–Raman lidar (CRL) at the Polar Environment Atmospheric Research Laboratory (PEARL; located at Eureka, Nunavut, in the Canadian High Arctic). CRL's time (1 min) and altitude (7.5 m) resolutions from 500 m to greater than 12 km altitude make these measurements possible. We have observed a variety of thicknesses for individual laminations, with some at least as thin as the detection limit of the lidar (7.5 m). The clouds which contain the laminated features are typically found below 4 km, can last longer than 24 h, and occur most frequently during periods of snow and rain, often during very stable temperature inversion conditions. Results are presented for range-scaled photocounts at 532 and 355 nm, ratios of 532∕355 nm photocounts, and the 532 nm linear depolarization parameter, and with context provided by twice-daily Eureka radiosonde temperature and relative humidity profiles.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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'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

Citations4
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207