Point spread functions for mapping artificial night sky luminance over large territories
Notice bibliographique
Résumé
ABSTRACT Knowledge of the night sky radiance over a large region may be valuable information for identifying sites suitable for astronomical observations or for assessing the impact of artificial light at night on ecosystems. Measuring the sky radiance can be a complex endeavour, depending on the desired temporal and spatial resolution. Likewise, the modelling of artificial night sky radiance for multiple points of a region can represent a significant amount of computing time depending on the complexity of the model used. The use of the convolution of a point spread function with the geographical distribution of light sources has been suggested in order to model the sky radiance over large territories of hundreds of kilometres in size. We determined how the point spread function is sensitive to the main driving parameters of the artificial night sky radiance, such as the wavelength, the ground reflectance, the obstacle properties, the upward light output ratio, and the aerosol optical depth using the Illumina v2 model. The obtained functions were then used to model the artificial night sky brightness of the Mont-Mégantic International Dark Sky Reserve for winter and summer conditions. The results were compared with the New World Atlas of artificial night sky brightness, the Illumina v2 model, and in situ Sky Quality Camera measurements. We found that the New World Atlas overestimates the artificial sky brightness by 55 per cent, whereas the Illumina model underestimates it by 48 per cent. This may be due to varying atmospheric conditions and the fact that the model accounts only for public light sources.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».