MétaCan
Menu
Retour à la cohorte
Enregistrement W6893296547 · doi:10.5281/zenodo.15025626

Best Practice Protocol for the validation of Aerosol, Cloud, and Precipitation Profiles (ACPPV)

2025· article· en· W6893296547 sur OpenAlexaff

Notice bibliographique

Revueelib (German Aerospace Center) · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesJapan Aerospace Exploration AgencyJet Propulsion LaboratoryNational Oceanic and Atmospheric AdministrationHellenic Foundation for Research and InnovationEuropean CommissionBundesministerium für Bildung und ForschungEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésProtocol (science)Software deploymentBest practiceData assimilationBaseline (sea)Data validationCalibrationData qualityField (mathematics)

Résumé

récupéré en direct d'OpenAlex

Validation activities are critical to ensure the quality, credibility, and integrity of Earth observation data. With the deployment of advanced active remote sensors in space, a clear need arises for establishing best practices in the field of cloud, aerosol and precipitation profile validation. This publication fulfills this need, by proposing common practices, capturing lessons learned from earlier missions. The ACPPV publication is a result of an international collaboration of 97 scientists from 58 Institutions and Space Agencies, reviewed and accepted by the CEOS Working Group for Calibration and Validation (action item CV-22-01). The approaches and recommendations included, cover a range of issues, including correlative site and instrument selection, data processing and quality control, campaign criteria, configurations, scenarios, collocation methods, suggestions on issues concerning scene representativeness, and intercomparison methodologies. Moreover, guidance on the statistical validation through intercomparison between satellite-based remote sensing observations, and on the near-real time validation through monitoring in an NWP data assimilation system are included. To this end, the scientific communities involved in past missions have reviewed lessons learned and identified areas where convergence on similar approaches is beneficial. Finally, existing gaps in our Cal/Val knowledge are summarized. Given the complexity and diversity of geophysical scenarios and retrievals of aerosol, cloud, and precipitation regimes, the ACPPV document is aimed at knowledge exchange and conveying lessons learned, rather than definitions on single and strict protocols that have been agreed upon in some other domains with fewer degrees of freedom.

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)0,153
score de la tête « metaresearch » (Gemma)0,217
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,809

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1530,217
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0090,008
Études des sciences et des technologies0,0050,006
Communication savante0,0130,007
Science ouverte0,0090,010
Intégrité de la recherche0,0200,018
Charge utile insuffisante (le modèle a refusé de juger)0,0250,029

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 Opus0,012
Tête enseignante GPT0,315
Écart entre enseignants0,302 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueelib (German Aerospace Center)Même sujetAtmospheric aerosols and cloudsTravaux en français237 207