MétaCan
Menu
Retour à la cohorte
Enregistrement W4283720318 · doi:10.1175/bams-d-21-0173.1

Science Applications of Phased Array Radars

2022· article· en· W4283720318 sur OpenAlexaff
Pavlos Kollias, Robert D. Palmer, David M. Bodine, Toru Adachi, Howie Bluestein, John Y. N. Cho, Casey B. Griffin, Jana B. Houser, Pierre‐Emmanuel Kirstetter, Matthew R. Kumjian, James M. Kurdzo, Wen Chau Lee, Edward Luke, Mariko Oue, Alan Shapiro, Angela K. Rowe, Jorge L. Salazar-Cerreño, Robin L. Tanamachi, Kristofer S. Tuftedal, Xuguang Wang, Dušan S. Zrnić, Bernat Puigdomènech Treserras

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMcGill University
Organismes subventionnairesNOAA ResearchBiological and Environmental ResearchNational Oceanic and Atmospheric AdministrationU.S. Air ForceNuclear Safety and Security CommissionJapan Society for the Promotion of ScienceOffice of ScienceUniversity of OklahomaNational Aeronautics and Space AdministrationU.S. Department of EnergyNational Science Foundation
Mots-clésAtmosphere (unit)Phased arrayComputer scienceSystems engineeringRemote sensingEnvironmental scienceMeteorologyGeologyEngineeringTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Phased array radars (PARs) are a promising observing technology, at the cusp of being available to the broader meteorological community. PARs offer near-instantaneous sampling of the atmosphere with flexible beam forming, multifunctionality, and low operational and maintenance costs and without mechanical inertia limitations. These PAR features are transformative compared to those offered by our current reflector-based meteorological radars. The integration of PARs into meteorological research has the potential to revolutionize the way we observe the atmosphere. The rate of adoption of PARs in research will depend on many factors, including (i) the need to continue educating the scientific community on the full technical capabilities and trade-offs of PARs through an engaging dialogue with the science and engineering communities and (ii) the need to communicate the breadth of scientific bottlenecks that PARs can overcome in atmospheric measurements and the new research avenues that are now possible using PARs in concert with other measurement systems. The former is the subject of a companion article that focuses on PAR technology while the latter is the objective here.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207