MétaCan
Menu
Retour à la cohorte
Enregistrement W3001308145 · doi:10.1029/2020ja027843

Improved Analysis of STEVE Photographs

2021· article· en· W3001308145 sur OpenAlexaff
C. L. Bennett, Notanee Bourassa

Notice bibliographique

RevueJournal of Geophysical Research Space Physics · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensSaskatchewan Hospital
Organismes subventionnairesnon disponible
Mots-clésSkyRemote sensingEvent (particle physics)TreasurePixelAzimuthComputer graphics (images)GeologyPlanetComputer sciencePhysicsGeographyArtificial intelligenceAstronomyAstrophysicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract We present a new approach for the analysis of high‐resolution digital camera photographs taken by photographers who have fortuitous been able to capture rare events, such as the glowing sky phenomenon known as strong thermal emission velocity enhancement (STEVE). This method is especially effective with a time lapse series of images of the night sky taken under constant camera settings with a steady pointing. Stars, planets, and satellites seen in such images can be used to determine the precise and accurate registration of camera pixels to coordinates of angular altitude and azimuth. The location of satellites in the image enables precise and accurate synchronization of the images. We apply these techniques to the series of photographs of STEVE taken on July 25, 2016. We confirm the altitude structure previously found for STEVE. We find it most likely that the green picket fence features often seen during STEVE events are produced by auroral electron precipitation. With the precipitation assumption, we are able to extract novel information about the energy spectrum of the particles responsible for the production of STEVE luminosity in this particular event. Similarly, analyses of archived digital photographs may constitute a treasure trove of important data for improved understanding of rare and transient events, such as STEVE.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,358
Écart entre enseignants0,315 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Space PhysicsMême sujetImpact of Light on Environment and HealthTravaux en français237 207