MétaCan
Menu
Retour à la cohorte
Enregistrement W4283156767 · doi:10.1080/07055900.2022.2082369

Atmospheric Observations of Weather and Climate

2022· article· en· W4283156767 sur OpenAlexvenueno aff
Howard B. Bluestein, Frederick H. Carr, Steven J. Goodman

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNational Aeronautics and Space Administration
Mots-clésRadiosondeDepth soundingInstrumentation (computer programming)Mesoscale meteorologyEnvironmental scienceRemote sensingMeteorologyData assimilationLidarSatelliteRadarThunderstormAtmospheric soundingGeologyComputer scienceGeographyAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Current observation systems that provide data for the analysis and prediction of climate and day-to-day weather are described, along with plans for future systems. The basic principles of satellite, radar, lidar, and sodar measurements are summarized. Temperature and moisture measurements on planetary and synoptic scales, ranging from satellites, the radiosonde network, aircraft, and other sounding systems are described. Wind measurements from satellites, rawinsondes, air composition from satellites, the energy budget, and surface measurements are also discussed. The measuring systems for mesoscale and convective-scale weather are then noted, including satellite-borne radiation instrumentation, and lightning imaging sensors. Operational, fixed-site, and mobile and airborne research radars, surface instrumentation, and ground-based and in-situ profiling systems, aircraft-borne and shipborne instrumentation are also summarized. Special observation issues such as coordination among providers, data assimilation considerations, and data curation are then considered. Special issues for the future are noted in the last section.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,014
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0130,000

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 Opus0,025
Tête enseignante GPT0,216
Écart entre enseignants0,191 · 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

Citations29
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207