Cloud and precipitation microphysical retrievals from the EarthCARE Cloud Profiling Radar: the C-CLD product
Notice bibliographique
Résumé
Abstract. The Earth Clouds, Aerosols and Radiation Explorer (EarthCARE) satellite mission is a joint endeavour developed by the European Space Agency (ESA) and the Japan Aerospace Exploration Agency (JAXA) and features a 94 GHz Doppler Cloud Profiling Radar. This paper presents the theoretical basis of the cloud and precipitation microphysics (C-CLD) EarthCARE Level 2 (L2) algorithm. The C-CLD algorithm provides the best estimates of the vertical profiles of water mass content and hydrometeor characteristic size, obtained from radar reflectivity, path-integrated signal attenuation and hydrometeor sedimentation Doppler velocity estimates using optimal estimation (OE) theory. To obtain the forward model relations and the associated uncertainty, an ensemble-based method is used. This ensemble consists of a collection of in situ measured drop size distributions that cover natural microphysical variability. The ensemble mean and standard deviation represent the forward model relations and their microphysics-based uncertainty. The output variables are provided on the joint standard grid horizontal and EarthCARE Level 1b (L1b) vertical grid (1 km along track and 100 m vertically). The OE framework is not applied to liquid-only clouds in drizzle-free and lightly drizzling conditions, where a more statistical approach is preferred.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».