High time resolution mapping of polar ionospheric flows with the SuperDARN Borealis systems
Notice bibliographique
Résumé
Over the last few years, the five SuperDARN HF ionospheric radars operated by the University of Saskatchewan have been upgraded to digital systems that utilise the flexibility and reliability of software defined radios (SDRs). SDRs allow for a vastly greater control of radar transmit and receive operations, bringing with them new capabilities for scientific experiments that were previously not feasible on analogue hardware. This next generation of SuperDARN radar is named Borealis.  One new radar operating mode implemented at the Borealis radars has been full field-of-view imaging. On traditional SuperDARN radars, one full scan of an entire field-of-view (an area encompassing thousands of kilometres at F-region ionospheric altitudes) takes approximately 1 minute as each of the 16 beam directions is sequentially integrated over. With Borealis, every beam direction can be probed (or “imaged”) simultaneously, providing a 16-fold improvement in scan temporal resolution to 3.5 seconds. We present a new ionospheric data product derived from Borealis imaging mode data: high time resolution mapping of polar E x B drifts. In contrast to traditional SuperDARN ionospheric convection patterns which are nominally derived every two minutes on a coarse global grid, Borealis convection patterns are derived locally over the Canadian polar cap every few seconds. This not only provides the opportunity to study mesoscale ionospheric phenomena like polar cap patches, flow channels, and substorms, but also allows for doing so at a temporal resolution not previously possible without compromising spatial coverage.
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 ».