Precipitable water vapour measurement using GNSS data in the Atacama Desert for millimetre and submillimetre astronomical observations
Notice bibliographique
Résumé
ABSTRACT Precipitable water vapour (PWV) strongly affects the quality of data obtained from millimetre- and submillimetre-wave astronomical observations, such as those for cosmic microwave background measurements. Some of these observatories have used radiometers to monitor PWV. In this study, PWV was measured from 2021 April to 2022 April using Global Navigation Satellite System (GNSS) instruments in the Atacama Desert, Chile, where several millimetre- and submillimetre-wave telescopes are located. We evaluated the accuracy of these measurements by comparing them to radiometer measurements. We calculated the PWV from GNSS data using csrs-ppp (Canadian Spatial Reference System Precise Point Positioning), an online software package. When using GNSS data alone, the estimated PWV showed a systematic offset of $+1.08$ mm. When combining GNSS data with data from a barometer, which was co-located with the GNSS receiver, the estimated PWV showed a lower systematic offset of −0.05 mm. The GNSS PWV showed a statistical uncertainty of 0.52 mm with an averaging time of an hour. Compared to other PWV measurement methods, GNSS instruments are robust in bad weather conditions, have sufficient time resolution, and are less expensive. By demonstrating good accuracy and precision in low-PWV conditions, this paper shows that GNSS instruments are valuable tools for PWV measurements for observing site evaluation and data analysis for ground-based telescopes.
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 | 0,000 | 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) | 0,001 | 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 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 ».