MétaCan
Menu
Retour à la cohorte
Enregistrement W2977333106 · doi:10.1093/mnras/staa1101

Optical turbulence at Ali, China – results from the first year of lunar scintillometer observations

2020· article· en· W2977333106 sur OpenAlexafffund
Paul Hickson, Feng Lu, Joschua Hellemeier, Zhi-Xia Shen, Suijian Xue, Yongqiang Yao, Bin Ma, Hualin Chen, Rui Yang

Notice bibliographique

RevueMonthly Notices of the Royal Astronomical Society · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of FinanceChinese Academy of Sciences
Mots-clésScintillometerPhysicsObservatoryTurbulenceAltitude (triangle)AstronomyAtmospheric turbulenceAstrophysicsRemote sensingMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The location of an astronomical observatory is a key factor that affects its scientific productivity. The best astronomical sites are generally those found at high altitudes. Several such sites in western China and the Tibetan plateau are presently under development for astronomy. One of these is Ali, which, at over 5000 m, is one of the highest astronomical sites in the world. In order to further investigate the astronomical potential of Ali, we have installed a lunar scintillometer, for the primary purpose of profiling atmospheric turbulence. This paper describes the instrument and technique, and reports results from the first year of observations. We find that ground layer (GL) turbulence at Ali is remarkably weak and relatively thin. The median seeing, from turbulence in the range 11–500 m above ground, is 0.34 arcsec, with seeing better than 0.26 arcsec occurring 25 per cent of the time. Under median conditions, half of the GL turbulence lies below a height of 62 m. These initial results, and the high altitude and relatively low temperatures, suggest that Ali could prove to be an outstanding site for ground-based astronomy.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,330
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,202
Écart entre enseignants0,184 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMonthly Notices of the Royal Astronomical SocietyMême sujetAdaptive optics and wavefront sensingTravaux en français237 207