MétaCan
Menu
Retour à la cohorte
Enregistrement W4211224119 · doi:10.3724/sp.j.0254-6124.2021.0206

Impact of Geomagnetic Storms on Ionosphere Variability and Precise Point Positioning Application in High Latitudes of the Northern Hemisphere

2021· article· en· W4211224119 sur OpenAlexaboutno aff
Ge Wang, Ningbo Wang, Zishen Li, Kai Zhou, Ang Liu

Notice bibliographique

RevueChinese Journal of Space Science · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueEarthquake Detection and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTECEarth's magnetic fieldIonosphereGeomagnetic stormQUIETGeologyGeodesyTotal electron contentNorthern HemisphereLatitudeScintillationGlobal Positioning SystemStormGeomagnetic latitudeInterplanetary scintillationEnvironmental scienceAtmospheric sciencesGeophysicsPhysicsMagnetic fieldCoronal mass ejection

Résumé

récupéré en direct d'OpenAlex

Based on the ionospheric scintillation data of the Canadian High Arctic Ionospheric Network (CHAIN), the variation characteristics of ionospheric Total Electric Content (TEC), phase scintillation and Rate of TEC Index (ROTI) were analyzed during the 26 August 2018 geomagnetic storm period. Results show that the TEC anomalies reach 20 TECU on global scale and 6 TECU over Canadian regions, respectively. The occurrence of phase scintillations is about 12.6% during the selected stormy day, which is only around 1% during geomagnetic quiet period. The occurrence of ROTI exhibits high correlation with that of phase scintillations during stormy geomagnetic conditions. The impact of ionospheric scintillations on positioning performance was analyzed by means of GPS Precise Point Positioning (PPP). It is proved that the 3D positioning root mean square errors are within 0.4 m for all test stations during the quiet geomagnetic condition. When it comes to the high geomagnetic condition, the magnitude of positioning errors significantly increase, which reaches 0.9 and 1.7 m in horizontal and vertical directions, respectively.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,245

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 Opus0,003
Tête enseignante GPT0,215
Écart entre enseignants0,212 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of Space ScienceMême sujetEarthquake Detection and AnalysisTravaux en français237 207