MétaCan
Menu
Retour à la cohorte
Enregistrement W2950218996 · doi:10.1175/jamc-d-18-0038.1

Keys to Differentiating between Small- and Large-Drop Icing Conditions in Continental Clouds

2019· article· en· W2950218996 sur OpenAlexfundno aff
Ben C. Bernstein, Roy Rasmussen, Frank McDonough, Cory Wolff

Notice bibliographique

RevueJournal of Applied Meteorology and Climatology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesEnvironment and Climate Change CanadaUniversity of WyomingNational Aeronautics and Space Administration
Mots-clésIcingMesoscale meteorologyDrop (telecommunication)Icing conditionsEnvironmental scienceMeteorologyLiquid water contentContext (archaeology)Boundary layerCloud computingMechanicsComputer scienceGeologyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Using observations from research aircraft flights over the Great Lakes region, synoptic and mesoscale environments that appear to drive a relationship between liquid water content, drop concentration, and drop size are investigated. In particular, conditions that fell within “small drop” and “large drop” regimes are related to cloud and stability profiles, providing insight regarding whether the clouds are tied to the local boundary layer. These findings are supported by analysis of flight data from other parts of North America and used to provide context for several icing incidents and accidents where large-drop icing was noted as a contributing factor. The relationships described for drop size discrimination in continental environments provide clues that can be applied for both human- and model-generated icing forecasts, as well as automated icing algorithms.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,223
Écart entre enseignants0,216 · 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'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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Meteorology and ClimatologyMême sujetIcing and De-icing TechnologiesTravaux en français237 207