The Fast Borealis Ionosphere: High Time‐Resolution Mapping of Polar Ionospheric Flows With SuperDARN
Notice bibliographique
Résumé
Abstract Recent improvements to hardware for the Super Dual Auroral Radar Network systems have allowed for a much greater control of radar transmit and receive functionalities than previously possible. One of these functionalities is the application of a new operational mode, known as wide‐beam, which vastly improves the temporal resolution of the radars without compromising their spatial coverage. Wide‐beam allows for the retrieval of line‐of‐sight ionospheric drift velocities at a temporal resolution of 3.7 s, a sixteen‐fold improvement from the one‐minute resolution offered by traditional operational modes. In this paper, we use wide‐beam data from the Borealis SuperDARN systems, located in Canada, to derive local horizontal ionospheric plasma velocity fields above Northern Canada, Greenland, and the polar cap, at a 3.7 s temporal resolution. For this local fitting of ionospheric velocity data, we use the Local Mapping of Ionospheric Electrodynamics (Lompe) spherical elementary current systems technique. This new data product, which we call the Fast Borealis Ionosphere, is compared to both the global SuperDARN spherical harmonic convection pattern data product (the Map Potential technique), as well as Lompe convection patterns derived using the traditional SuperDARN narrow‐beam scanning mode. We show that Lompe systematically produces a better representation of the underlying radar velocity data than Map Potential, that the 3.7 s wide‐beam data contains a significant amount more ionospheric variability than narrow‐beam, and that the high time‐resolution convection patterns can resolve dynamic ionospheric events lasting on the order of tens of seconds.
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 | 0,001 | 0,001 |
| 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 ».