Field campaign data analysis in support of the future FORUM and CAIRT ESA missions
Notice bibliographique
Résumé
This work aims at analysing the measurements obtained from two instruments, \nFIRMOS and GLORIA, during their employment in the HEMERA ballon cam- \npaign in Timmins (Canada) in the period 23-24 August 2022. \nThe first part of this work deals with the geolocation of the GLORIA data. \nAfter that the focus is posed on the scene classification which is obtained by the \napplication of the CIC (Cloud Identification and Classification) algorithm. CIC \nis a supervised machine learning code based on PCA \nPrincipal Component Analyses that is able to perform cloud identification and \nclassification from high spectral resolution data at infrared wavelengths. The CIC \ncode has been recently tested on the identification of cloudy scenes. The classification method is based on a \ndistributional approach of similarity index computed from the element of the \ndataset with respect to the training set made available to the algorithm. Two \ndifferent versions of the classificator are tested. For \nthe first time, the CIC algorithm is applied to upwelling radiance fields in this \nconfiguration. Another novelty is the CIC application to high spatial resolution \ndata from GLORIA++ to perform a soil classification. The exercise is an important \ntest within the studies aiming at improving the initial guess of the geophysical \nretrieval of future satellite sounders. \nThe last section of this work describes the application of FARM algorithm, an \noptimal estimation based retrieval code relying on an innovative forward model \nσ − F ORU M . σ − F ORU M is a modify version of the σ − IASI code which is a \nmonochromatic fast code for calculating synthetic radiances in the 10-2760 cm−1 \nspectral range. The goal of this analyses is to retrieve atmospheric and surface \nparameters such as: surface temperature and emissivity, and temperature profiles \nand H2O vertical profiles.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».