MétaCan
Menu
← Retour à la cohorte
Enregistrement W6964479386 · doi:10.26023/xek9-27n9-4n0a

STAR MODIS Cloud Satellite Dataset. Version 1.0

2020· dataset· en· W6964479386 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2020
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensEnvironment and Climate Change CanadaYork UniversityUniversity of TorontoNational Research Council CanadaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCloud coverSatelliteCloud computingRadiative transferEarth's energy budgetAtmospheric Infrared SounderCloud feedbackClimate modelClimate change

Résumé

récupéré en direct d'OpenAlex

The changing climate represents one of the most important ecological issues concerning our planet. Changes in atmospheric trace gases, cloud over, cloud type, solar radiation, and tropospheric aerosols (liquid or solid particles suspended in the air) can have a profound impact on the climatic system as each property can modify the climate through changes in the radiative forcings. As such, it is important to correctly represent the climate and the associated forcings in conceptual and predictive global models. In an effort to monitor these properties, two MODIS (Moderate Resolution Imaging Spectroradiometer) instruments, the first launched on 18 December 1999 onboard the Terra Satellite Platform and the second on 4 May 2002 onboard the Aqua Satellite platform, were uniquely designed to observe and monitor these and other Earth changes on a global scale. A thorough description of global cloudiness and its associated properties is essential to the MODIS mission for two reasons. First, clouds play a critical role in the radiative balance of the Earth and must be accurately described in order to assess climate and potential climate change accurately. In addition, the presence or absence of cloudiness must be accurately determined in order to retrieve properly many atmospheric and surface parameters, including phase, optical thickness, and temperature. These and other cloud parameters are retrieved at a high resolution, allowing many details and fine features to be resolved accurately. The MODIS Cloud Product combines infrared and visible techniques to determine both physical and radiative cloud properties. Daily global Level 2 data are provided. Cloud-particle phase (ice vs. water, clouds vs. snow), effective cloud-particle radius, and cloud optical thickness are derived using the MODIS visible and near-infrared channel radiances. Cloud-top temperature, height, effective emissivity, phase (ice vs. water, opaque vs. non-opaque), and cloud fraction are produced by the infrared retrieval methods both day and night at 5 × 5 1-km-pixel resolution. Finally, the MODIS Cloud Product includes the cirrus reflectance in the visible at the 1-km-pixel resolution, which is useful for removing cirrus scattering effects from the land-surface reflectance product. There are two MODIS Cloud data product files: MOD06_L2, containing data collected from the Terra platform; and MYD06_L2, containing data collected from the Aqua platform. For further details see the NASA MODIS home page: http://modis-atmos.gsfc.nasa.gov/MOD06_L2/index.html)

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)0,002
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,029

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 Opus0,056
Tête enseignante GPT0,258
Écart entre enseignants0,203 · 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
GenreJeu de données

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetForest Ecology and Biodiversity Studies→Travaux en français237 207→