Numerical model generation of test frames for pre-launch studies of EarthCARE's retrieval algorithms and data management system
Notice bibliographique
Résumé
Abstract. The Earth Cloud, Aerosol and Radiation Explorer (EarthCARE) satellite consists of active and passive sensors whose observations will be acted on by an array of retrieval algorithms. EarthCARE's retrieval algorithms have undergone pre-launch verifications within a virtual observing system that consists of 3D atmosphere–surface data produced by the Global Environmental Multiscale (GEM) numerical weather prediction (NWP) model, as well as instrument simulators that when applied to NWP data yield synthetic observations for EarthCARE's four sensors. Retrieval algorithms operate on the synthetic observations, and their estimates go into radiative transfer models that produce top-of-atmosphere solar and thermal broadband radiative quantities, which are compared to synthetic broadband measurements, thus mimicking EarthCARE's radiative closure assessment. Three high-resolution test frames were simulated; each measures ∼6200 km along-track by 200 km across-track. Horizontal grid spacing is 250 m, and there are 57 atmospheric layers up to 10 mbar. The frames span wide ranges of conditions and extend over (i) Greenland to the Caribbean, crossing a cold front off Nova Scotia; (ii) Nunavut to Baja California, crossing over Colorado's Rocky Mountains; and (iii) the central equatorial Pacific Ocean, which includes a mesoscale convective system. This report discusses how the test frames were produced and presents their key geophysical features. All data are publicly available and, owing to their high-resolution, could be used to simulate observations for other measurement systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».