Comment on egusphere-2024-1081
Notice bibliographique
Résumé
Abstract. Raman lidars are an important tool for measuring important atmospheric parameters including water vapor content and temperature in the troposphere and stratosphere. These measurements enable climatology studies and trend analyses to be performed. To detect long-term trends it is critical to have as reliable and continuous as possible calibration of the system and monitoring of its associated uncertainties. Here we demonstrate a new methodology to derive calibration coefficients for a rotational temperature Raman lidar. We use solar background measurements taken by the rotational Raman channels of the Raman Lidar for Meteorological Observations (RALMO) located at the Federal Office of Meteorology and Climatology MeteoSwiss in Payerne, Switzerland, to calculate a relative calibration as a function of time, which is made an absolute calibration by requiring only a single external calibration, in our case with a single radiosonde flight. This approach was verified using an external time series of coincident radiosonde measurements. We employed the calibration technique on historical measurements that used a Licel data acquisition system and established a calibration time series spanning from 2011 to 2015 using both the radiosonde-based external and solar background-based internal methods. Our results show that using the background calibration technique reduces the mean bias of the calibration by an average of 0.2 K across the altitude range of 1 to 16 km compared to using the local radiosoundings. Furthermore, it demonstrates the background calibration’s ability to adjust and maintain continuous calibration values even amidst sudden system changes in the system, which sporadic external calibration could miss. This approach ensures that climatological averages and trends remain unaffected by the drift effects commonly associated with using daily operational radiosondes. It also allows a lidar not co-located with a routine external source to be continuously calibrated once an initial external calibration is done.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,021 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,263 | 0,174 |
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 ».