MétaCan
Menu
Retour à la cohorte
Enregistrement W2956105505 · doi:10.1029/2018rs006671

Long‐Term Evolution of The Surface Refractivity for Arctic Regions

2019· article· en· W2956105505 sur OpenAlexaff
Yamina Bettouche, Huthaifa Obeidat, Basile L. Agba, Ammar B. Kouki, H. Alhassan, Jonathan Rodriguez, Raed A. Abd‐Alhameed, Steven M. Jones

Notice bibliographique

RevueRadio Science · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRadio Wave Propagation Studies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceContext (archaeology)Term (time)Atmospheric sciencesArcticClimatologyMeteorologyGeographyGeologyPhysicsOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, local meteorological data for a period of 35 years (from 1979 to 2013) from Kuujuaq station have been used to calculate the surface refractivity, N (a link for the data is available in the acknowledgements), and to estimate the vertical refractivity gradient, dN1, in the lowest atmospheric layer above the ground. Monthly and yearly variations of the mean of N and dN1 are provided. The values obtained are compared with the corresponding values from the ITU maps. The long‐term trend of the surface refractivity is also investigated. The data demonstrate that the indices N and dN1 are subject to an evolution that may have significance in the context of climate change. Monthly means of N show an increasing departure from ITU‐R values since 1990. Yearly mean values of the dN1 show a progressive decrease over the period of study. Seasonal means of dN1 show a decrease over time, especially for summer. Such a trend may increase the occurrence of superrefraction. However, currently available ITU‐R recommendations for microwave link design assume a stationary climate, so there is a need for a new modeling approach.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,124

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
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,243
Écart entre enseignants0,229 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadio ScienceMême sujetRadio Wave Propagation StudiesTravaux en français237 207