MétaCan
Menu
Retour à la cohorte
Enregistrement W4414135385 · doi:10.5194/amt-18-4453-2025

Joint observations of oxygen atmospheric band emissions using OSIRIS and the MATS satellite

2025· article· en· W4414135385 sur OpenAlexaff
Björn Linder, J. Gumbel, D. Murtagh, Linda Megner, Lukas Krasauskas, D. A. Degenstein, Ole Martin Christensen, Nickolay Ivchenko

Notice bibliographique

RevueAtmospheric measurement techniques · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesSwedish National Space Agency
Mots-clésOsirisAirglowSatelliteSpectrographRadiative transferJoint (building)Spectral bandsThermosphere

Résumé

récupéré en direct d'OpenAlex

The MATS (Mesospheric Airglow/Aerosol Tomography and Spectroscopy) satellite was launched in November 2022 and began collecting scientific measurements of the mesosphere and lower thermosphere (MLT) in early 2023. The satellite utilises a multichannel limb-viewing instrument designed to gather images across six distinct spectral bands, each selected to capture atmospheric airglow from O 2 atmospheric band emissions and light scattered by noctilucent clouds (NLC). This article presents a comparison between the MATS limb measurements and the observations made by the OSIRIS spectrograph on the Odin satellite. Specifically, airglow signals from excited O 2 , as recorded by MATS infrared (IR) channels and OSIRIS, are analysed over the polar regions under temporally and spatially aligned conditions. From December 2022 to February 2023, 36 close encounters of the two satellites were identified and analysed. The results show that the two instruments agree well on the overall structure but that the MATS signals generally exceed OSIRIS by ∼ 20 % in magnitude. OSIRIS measurements are also compared to the radiative transfer model SASKTRAN to investigate stray light impact on the measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,231
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric measurement techniquesMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207