Detecting meteoroids with the Southern Argentina Agile Meteor Radar Orbital System (SAAMER-OS): applications for atmospheric and astronomical research.
Notice bibliographique
Résumé
Ground-based meteor radars detect the plasma streaks produced when meteoroids ablate in our atmosphere. However they are limited to detecting particles that produce a sufficient amount of plasma within the instrument’s field-of-view, and thus most of the meteoroid’s trajectory remains undetected. Previous work by Dawkins et al. (2023) and Stober et al. (2023) utilised new polarisation measurements made by the Southern Argentina Agile Meteor Radar Orbital System (SAAMER-OS, 53.8oS, 67.8oW, Janches et al., 2019), in conjunction with two state-of-the-art models, in order to determine the pre-atmosphere dynamical characteristics (mass, velocity) of the detected particles before they suffered any significant ablation or deceleration. Subsequent work has focused on automating this methodology, to allow us to determine the pre-atmosphere characteristics for all meteoric particles detected by SAAMER-OS. In this work we describe this background methodology and how it can be applied to different facets of atmospheric and astronomical research, including (1) how we can characterise the astronomical sources detected at SAAMER-OS through time (mass and velocities), (2) detections of new meteor showers, (3) to understand the mass distribution function of particles that enter the top of the atmosphere, and (4) variability of atmospheric neutral densities in the Earth’s upper atmosphere.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».