MétaCan
Menu
Retour à la cohorte
Enregistrement W3092513506 · doi:10.1063/5.0016129

A multi-spectral polarimetric imager for atmospheric profiling of aerosol and thin cloud: Prototype design and sub-orbital performance

2020· article· en· W3092513506 sur OpenAlexafffund
M. N. Kozun, Adam Bourassa, D. A. Degenstein, Paul Loewen

Notice bibliographique

RevueReview of Scientific Instruments · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanadian Space Agency
Mots-clésPolarimetryRemote sensingProfiling (computer programming)Cloud computingAerosolAtmospheric opticsEnvironmental scienceMaterials scienceOpticsComputer scienceMeteorologyPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

We report on the development of a novel multi-spectral polarimetric imager for atmospheric remote sensing of aerosol and cloud properties. The instrument concept, called the Aerosol Limb Imager (ALI), is ultimately intended for satellite measurements from a low Earth orbit. It utilizes a coupling of a dual transducer acousto-optic tunable filter and a liquid crystal rotator to provide dual linear polarization observations over a wide spectral range covering 600 nm-1500 nm. In the limb, or side-viewing, geometry, these measurements provide the capability to resolve vertical and horizontal distributions of aerosol and cloud properties such as extinction coefficient, optical depth, and particle distribution parameters. Here, we present the design and performance of an ALI prototype. Lab characterization of the instrument is used to develop a mathematical instrument model to predict signal levels under various atmospheric conditions. Results from a sub-orbital flight of the ALI prototype on a stabilized high-altitude stratospheric balloon gondola are presented that show the first known polarimetric, multi-spectral images of the limb radiance. The signal levels obtained agree reasonably well with those predicted by the instrument model using radiative transfer calculations for typical atmospheric conditions.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,589

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 ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,247
Écart entre enseignants0,223 · 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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207