Ground-GNSS ZTD trends for climate models
Notice bibliographique
Résumé
GNSS Zenith Total Delay (ZTD) estimates are quantities of great interest by climate modellers since atmospheric water vapour is the major greenhouse gas. Therefore, the importance of its accurate, long-term monitoring and evaluation of trends and variability, potentially serving as independent benchmarks to climatological models, both on longer trends derived from GNSS, but also shorter trends, which could be used for assimilation and validation of climate models. ZTD estimates are determined on a regular basis by several processing centers as well as by demand. It has also been demonstrated that series of ZTD estimates can be used for quality control purposes. At the same time, GNSS reached the “maturity age” of 30 years when climate normals of ZTD and gradients can be derived. But what would be the best ZTD series to serve the climate community? What series would offer the most realistic trends? This poster discusses an on-going investigation under the auspices of the International Association of Geodesy, through a joint working group nested within the Inter-Commission Committee on Geodesy for Climate Research. In a previous study, we made use of the ZTD series derived by the third reprocessing campaign (REPRO3), based on a variety of processing modes and models. But this study was partial as the ZTD times series estimated by the Analysis Centers were not covering the same periods. This time, ZTD time series are generated using dedicated PPP scientific software suites. The generated trends are to be compared and analysed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».