Airborne elastic cloud lidar for ice-water content retrievals during the HAIC-HIWC 2015 campaign
Notice bibliographique
Résumé
In 2014, the National Research Council (NRC) and Environment and Climate Change Canada (ECCC) acquired two Airborne Elastic Cloud Lidar (AECL) systems produced by Alpenglow Instruments LLC, for the purposes of retrieving in-flight vertical profiles of clouds and aerosols. In May 2015, the AECLs were deployed on board the NRC Convair-580 aircraft during the HAIC-HIWC (High Altitude Ice Crystals – High Ice Water Content) campaign in French Guiana, where they were used to acquire nearly 40 hours of measurements of various atmospheric features, including liquid and mixed phase clouds as well as ice crystals in HIWC regions. The present report has a twofold objective. First, we describe the AECL operating principle, technical specifications as well as data processing chain. Particular attention is given to the problem of incomplete overlap between the laser and the receiving telescope fields of view. A Klett backward inversion method is also described and is used to convert the raw lidar return into the backscatter and extinction coefficients based on several assumptions, including an assumed extinction-to-backscatter ratio. The second objective of the report is to showcase some of the AECL cloud characterization capabilities based on representative test cases from the HAIC-HIWC campaign.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».