MétaCan
Menu
Retour à la cohorte
Enregistrement W4214771321 · doi:10.1088/1361-6501/ac5875

The irradiance instrument subsystem (IRIS) on the airborne-lunar spectral irradiance (air-LUSI) instrument

2022· article· en· W4214771321 sur OpenAlexaff
Steven Grantham, Kevin Turpie, Thomas C. Stone, S. Andrew Gadsden, Thomas C. Larason, Clarence J. Zarobila, Stephen Maxwell, John T. Woodward, Steven W. Brown

Notice bibliographique

RevueMeasurement Science and Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of Standards and TechnologyNational Aeronautics and Space Administration
Mots-clésIrradianceRemote sensingEnvironmental scienceAtmosphere (unit)Solar irradianceSatelliteMeteorologyAtmospheric sciencesOpticsGeologyPhysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of the airborne lunar spectral irradiance (air-LUSI) project is to make low uncertainty, SI-traceable measurements of the LUSI in the visible to near-infrared region from an aircraft above most of the optically absorbing components of the atmosphere. The measurements are made from a NASA ER-2 aircraft, which can fly at altitudes of approximately 20 km above sea level. Air-LUSI measurements, corrected for residual atmospheric attenuation, are designed to provide a matrix of low uncertainty top-of-the-atmosphere lunar irradiances at known lunar phase and libration angles to be compared and combined with other lunar irradiance data sets to constrain the uncertainties in models of lunar irradiance and reflectance. The measurements are also expected to provide insight into the differences between models and satellite sensor measurements of lunar irradiance. This paper describes the development and characterization of the air-LUSI subsystem for acquiring lunar measurements, called the irradiance instrument subsystem, prior to flight.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,202
Écart entre enseignants0,174 · 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'étudeSans objet
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetCalibration and Measurement TechniquesTravaux en français237 207