MétaCan
Menu
Retour à la cohorte
Enregistrement W2972715463 · doi:10.5194/amt-12-4949-2019

Calibration of the 2007–2017 record of Atmospheric Radiation Measurements cloud radar observations using CloudSat

2019· article· en· W2972715463 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAtmospheric measurement techniques · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensMcGill University
Organismes subventionnairesOffice of ScienceU.S. Department of Energy
Mots-clésRadarEnvironmental scienceRemote sensingCalibrationCloud computingMeteorologyComputer scienceGeologyGeographyTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. The U.S. Department of Energy (DOE) Atmospheric Radiation Measurements (ARM) facility has been at the forefront of millimeter-wavelength radar development and operations since the late 1990s. The operational performance of the ARM cloud radar network is very high; however, the calibration of the historical record is not well established. Here, a well-characterized spaceborne 94 GHz cloud profiling radar (CloudSat) is used to characterize the calibration of the ARM cloud radars. The calibration extends from 2007 to 2017 and includes both fixed and mobile deployments. Collectively, over 43 years of ARM profiling cloud radar observations are compared to CloudSat and the calibration offsets are reported as a function of time using a sliding window of 6 months. The study also provides the calibration offsets for each operating mode of the ARM cloud radars. Overall, significant calibration offsets are found that exceed the uncertainty of the technique (1–2 dB). The findings of this study are critical to past, ongoing, and planned studies of cloud and precipitation and should assist the DOE ARM to build a legacy decadal ground-based cloud radar dataset for global climate model validation.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,216
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,243
Écart entre enseignants0,195 · 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