MétaCan
Menu
Retour à la cohorte
Enregistrement W3107587298 · doi:10.1175/bams-d-19-0227.1

The Shortwave Spectral Radiometer for Atmospheric Science: Capabilities and Applications from the ARM User Facility

2020· article· en· W3107587298 sur OpenAlexaff
Laura Riihimaki, Connor Flynn, Allison McComiskey, Dan Lubin, Yann Blanchard, J. Christine Chiu, Graham Feingold, Daniel Feldman, Jake J. Gristey, Christian Herrera, Gary Hodges, Evgueni Kassianov, Samuel LeBlanc, Alexander Marshak, Joseph Michalsky, Peter Pilewskie, K. Sebastian Schmidt, Ryan C. Scott, Yolanda Shea, Kurtis J. Thome, Richard Wagener, Bruce A. Wielicki

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesU.S. Department of Energy
Mots-clésShortwaveEnvironmental scienceRemote sensingAerosolShortwave radiationRadiometerCloud computingMeteorologyRadiative transferRadiationComputer sciencePhysicsOpticsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Industry advances have greatly reduced the cost and size of ground-based shortwave (SW) sensors for the ultraviolet, visible, and near-infrared spectral ranges that make up the solar spectrum, while simultaneously increasing their ruggedness, reliability, and calibration accuracy needed for outdoor operation. These sensors and collocated meteorological equipment are an important part of the U.S. Department of Energy (DOE) Atmospheric Radiation Measurement (ARM) User Facility, which has supported parallel integrated measurements of atmospheric and surface properties for more than two decades at fixed and mobile sites around the world. The versatile capability of these ground-based measurements includes 1) rich spectral information required for retrieving cloud and aerosol microphysical properties, such as cloud phase, cloud particle size, and aerosol size distributions, and 2) high temporal resolution needed for capturing fast evolution of cloud microphysical properties in response to rapid changes in meteorological conditions. Here we describe examples of how ARM’s spectral radiation measurements are being used to improve understanding of the complex processes governing microphysical, optical, and radiative properties of clouds and aerosol.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,010
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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.

Devis d'étudeObservationnel
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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetAtmospheric aerosols and cloudsTravaux en français237 207