MétaCan
Menu
← Retour à la cohorte
Enregistrement W4293055595 · doi:10.1002/essoar.10511639.1

A-CHAIM: Near-Real-Time Data Assimilation of the High Latitude Ionosphere with a Particle Filter

2022· preprint· en· W4293055595 sur OpenAlexafffundabout
Benjamin Reid, David R. Themens, Anthony M. McCaffrey, P. T. Jayachandran, Magnar G. Johnsen, Thomas Ulich

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space AgencyDefence Research and Development CanadaNew Brunswick Innovation Foundation
Mots-clésIonosphereTotal electron contentIonosondeData assimilationLatitudeTECSpace weatherMeteorologyEnvironmental scienceMiddle latitudesAtmospheric sciencesGeologyElectron densityGeodesyGeographyPhysicsGeophysicsPlasma

Résumé

récupéré en direct d'OpenAlex

The Assimilative Canadian High Arctic Ionospheric Model (A-CHAIM) is an operational ionospheric data assimilation model that provides a 3D representation of the high latitude ionosphere in Near-Real-Time (NRT). A-CHAIM uses low-latency observations slant Total Electron Content (sTEC) from ground-based Global Navigation Satellite System (GNSS) receivers, ionosondes, and vertical TEC from the JASON-3 altimeter satellite to produce an updated electron density model above $45^o$ geomagnetic latitude. A-CHAIM is the first operational use of a particle filter data assimilation for space environment modeling, to account for the nonlinear nature of sTEC observations. The large number (>10^4) of simultaneous observations creates significant problems with particle weight degeneracy, which is addressed by combining measurements to form new composite observables. The performance of A-CHAIM is assessed by comparing the model outputs to unassimilated ionosonde observations, as well as to in-situ electron density observations from the SWARM and DMSP satellites. During moderately disturbed conditions from September 21st, 2021 through September 29th, 2021, A-CHAIM demonstrates a 40% to 50% reduction in error relative to the background model in the F2-layer critical frequency (foF2) at midlatitude and auroral reference stations, and little change at higher latitudes. The height of the F2-layer (hmF2) shows a small 5% to 15% improvement at all latitudes. In the topside, A-CHAIM demonstrates a 15% to 20% reduction in error for the Swarm satellites, and a 23% to 28% reduction in error for the DMSP satellites. The reduction in error is distributed evenly over the assimilation region, including in data-sparse regions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,641

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,235
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetIonosphere and magnetosphere dynamics→Travaux en français237 207→