MétaCan
Menu
Retour à la cohorte
Enregistrement W3010722531 · doi:10.1029/2018rs006763

The Limits of Empirical Electron Density Modeling: Examining the Capacity of E‐CHAIM and the IRI for Modeling Intermediate (1‐ to 30‐Day) Timescales at High Latitudes

2020· article· en· W3010722531 sur OpenAlexafffundabout
David R. Themens, P. T. Jayachandran, Benjamin Reid, Anthony M. McCaffrey

Notice bibliographique

RevueRadio Science · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesDefence Research and Development Canada
Mots-clésIonosphereStormGeomagnetic stormAtmospheric sciencesAmplitudeInternational Reference IonosphereEmpirical modellingQUIETEnvironmental scienceLatitudeMeteorologyPolarGeologyEarth's magnetic fieldPhysicsTotal electron contentGeodesyGeophysicsComputer scienceTEC

Résumé

récupéré en direct d'OpenAlex

Abstract The Empirical Canadian High Arctic Ionospheric Model (E‐CHAIM) is a new empirical 3‐D electron density model intended as an alternative to the use of conventional standards, such as the International Reference Ionosphere (IRI), at high latitudes (above 50°N). In this study, we have manually scaled a year of data from two Canadian High Arctic Ionospheric Network (CHAIN) ionosondes. Using this high‐quality data, we examine the behavior of the polar cap ionosphere under disturbed geomagnetic conditions and assess the capacity of E‐CHAIM to model polar cap F2‐peak electron density variability on “weather‐like,” intermediate timescales (1–30 days). This is a particularly challenging environment for monthly median empirical models due to the regular occurrence of variations about the monthly mean of up to 2 MHz. We demonstrate in this study that E‐CHAIM's storm model is capable of explaining 4 to 25% of polar cap foF2 variance at 1‐ to 30‐day timescales and 5 to 50% of the amplitude of that variability, while the IRI's Storm‐Time Ionospheric Correction Model (STORM) only explains 0.2 to 9% of the variance at these timescales and no more than 5% of their amplitude. While the IRI's STORM model provided no measurable improvement over the monthly median, E‐CHAIM's storm parameterization was able to improve overall root‐mean‐square errors by 0.05 to 0.1 MHz over its quiet time model. The overall improvement through the use of storm foF2 parameterizations is found to be limited, but measurable, particularly during storm periods, where an average improvement in root‐mean‐square error of 20% is observed.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,269
Score d'incertitude au seuil0,535

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,038
Tête enseignante GPT0,270
Écart entre enseignants0,232 · 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'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

Citations20
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRadio ScienceMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207