Solar background radiation temperature calibration of a pure rotational Raman lidar
Notice bibliographique
Résumé
Abstract. Raman lidars are an important tool for measuring important atmospheric parameters including water vapour 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 that the calibration of the system and the monitoring of its associated uncertainties are as reliable and continuous as possible. Here we demonstrate a new methodology to derive calibration coefficients for a rotational Raman temperature 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 an ensemble of radiosonde flights. 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 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 0.5 K across the troposphere compared to using the local radiosoundings. Furthermore, it demonstrates the background calibration's ability to adjust and maintain continuous calibration values even amidst sudden 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. Furthermore, the technique works for temperature retrievals using both the optimal estimation method and the traditional temperature algorithms.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».