MétaCan
Menu
Retour à la cohorte
Enregistrement W2899661254 · doi:10.1029/2018rs006638

Calibrating HF Radar Elevation Angle Measurements Using <i>E</i> Layer Backscatter Echoes

2018· article· en· W2899661254 sur OpenAlexaff
P. V. Ponomarenko, J.‐P. St.‐Maurice, K. A. McWilliams

Notice bibliographique

RevueRadio Science · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésRadarIonosphereIonogramRemote sensingHigh frequencyGeologyBackscatter (email)CalibrationElevation (ballistics)GeodesyComputer sciencePhysicsTelecommunicationsGeophysicsPlasma

Résumé

récupéré en direct d'OpenAlex

Abstract One of the most important observed parameters of the ionospheric radar returns in the high‐frequency range is the vertical arrival angle (elevation angle), which provides information about ionospheric conditions along the propagation path, as well as characterizes the propagation mode of the radio signals. The most advanced network of ionospheric high‐frequency (HF) radars, SuperDARN (Super Dual Auroral Radar Network) utilizes two‐array interferometry to estimate this parameter. However, due to the intrinsic technical difficulties with direct (instrumental) calibration of a time offset between measurements made by the two arrays, td, the SuperDARN elevation angle data have been rarely used in the past. The present work is a further development of the calibration technique recently proposed by Ponomarenko et al. (2015, https://doi.org/10.1186/s40623-015-0310-3 ), which was based on the well‐defined propagation properties of the F layer ground scatter echoes. The main disadvantage of the original technique is that the F layer propagation conditions may vary considerably, even on a day‐to‐day basis, so its application requires visual analysis of data records. In order to address this issue, the new method utilizes the E layer ionospheric scatter whose range and altitude coverage are much more constrained. This allowed to quantify calibration criteria and to develop an automated procedure for td estimation. The improved technique has been applied to 1 year of data records from the Rankin Inlet SuperDARN radar and has demonstrated the capability for reliable td monitoring on a daily basis. Importantly, the proposed technique does not require access to the radar hardware and allows for calibrating historic data.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,028
Tête enseignante GPT0,271
Écart entre enseignants0,243 · 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'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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadio ScienceMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207