MétaCan
Menu
Retour à la cohorte
Enregistrement W4416135566 · doi:10.5194/acp-25-15389-2025

Evaluation of the EarthCARE Cloud Profiling Radar (CPR) Doppler velocity measurements using surface-based observations

2025· article· en· W4416135566 sur OpenAlexafffund
Jiseob Kim, Pavlos Kollias, Bernat Puigdomènech Treserras, Alessandro Battaglia, Ivy Tan

Notice bibliographique

RevueAtmospheric chemistry and physics · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésDoppler effectDoppler radarRadarProfiling (computer programming)Cloud computingSmoothing

Résumé

récupéré en direct d'OpenAlex

The Earth Cloud, Aerosol and Radiation Explorer (EarthCARE) mission was launched on 28 May 2024. One of the most exciting new measurement capabilities of the EarthCARE mission is the CPR Doppler velocity measurement. The availability of Doppler measurements from space will offer a unique opportunity for the collection of a global dataset of vertical motions in clouds and precipitation. An important step in realizing this opportunity is to evaluate the CPR Doppler velocity measurements against those collected by surface-based observatories. Validation with two high-latitude surface-based Doppler radar observatories demonstrates that the CPR Level-2 Doppler velocities exhibit minimal biases (within a few cm s −1 ), especially in ice clouds. Even in low-level mixed-phase clouds, the CPR's Doppler velocity measurements provide reliable values, although careful consideration is needed for specific limitations such as vertical smoothing effects due to the radar's pulse length. Despite the inherent challenges associated with space-based Doppler measurements, these results suggest strong potential for the EarthCARE mission to provide unprecedented global climatological insights into hydrometeor sedimentation velocities.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,053
Tête enseignante GPT0,268
Écart entre enseignants0,215 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207