Phase and Amplitude Scintillations Associated With Polar Cap Patches: Statistical and Event Analyses
Notice bibliographique
Résumé
Abstract Ionospheric scintillation causes errors in radio signals. One potential source in the polar region is polar cap patches. Using a polar cap patch database from Ren et al. (2018), https://doi.org/10.1029/2018ja025621 and data provided by a scintillation receiver at Resolute Bay, we evaluated the polar cap patch impact on ionospheric scintillation. In a statistical analysis, we found that 92% of the maximum patch scintillation was under 0.3 for both phase (in the unit of radian) and amplitude scintillations. Of the remaining 8%, less than 1% could be classified as severe phase scintillation (>0.5 radians), while none could be classified as severe amplitude scintillation. Magnetic Local Time (MLT) dependence of the patch phase scintillation shows higher scintillation values near noon MLTs. Patches are classified into cold, hot‐Te and hot‐Te‐Ti types based on their plasma temperatures. The dependence of scintillation on the patch density prominence showed a positive correlation between phase scintillation and cold patches near noon MLT and hot‐Te patches everywhere except midnight MLT. In the event analysis, two events were studied. The first event with large phase scintillation was located in the polar cap with weak polar rain precipitation and large, uniform, antisunward convection flows. The second event with large amplitude scintillation was located in a region with active soft particle precipitation and velocity shear, classical ionospheric signatures of plasma sheet boundary layer. The statistical and event analysis improve understanding of the location and characteristics of patch‐related scintillations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».