MétaCan
Menu
Retour à la cohorte
Enregistrement W7113901170 · doi:10.5194/egusphere-2025-5986

An update to the expression of atmospheric refractivity for GNSS signals

2025· article· W7113901170 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRadio occultationGNSS applicationsNumerical weather predictionSatelliteFunction (biology)OccultationSatellite systemRange (aeronautics)

Résumé

récupéré en direct d'OpenAlex

Abstract. This study revisits previous formulations of atmospheric refractivity at L-band frequencies, focusing on signals from Global Navigation Satellite Systems (GNSS). A refined model expression is proposed as a function of air density, temperature, and composition, evaluated using a comprehensive set of existing laboratory and atmospheric measurements. The key measurements that most affect the final accuracy are identified, establishing traceable error bounds and indicating where further experimental work could confirm or improve the model. Recent studies on the use of large volumes of GNSS radio occultation (GNSSRO) observations in Numerical Weather Prediction (NWP) show that the precise formulation of refractivity becomes increasingly critical as data volumes grow. Although the revision is modest, its impact lies within the range where NWP sensitivity becomes non-negligible. Compared to earlier work, this study (1) incorporates updated fundamental measurements, (2) accounts for the small but measurable variability in atmospheric composition, mainly increasing CO2 and decreasing O2, emphasizing that refractivity traceability is composition-dependent, and (3) extends the model to include hydrometeors. A simplified formulation based on hydrometeor oblateness is proposed, suitable for NWP applications where only limited hydrometeor information is available. Nonspherical hydrometeors tend to align during fall, introducing weak birefringence that can be detected during GNSS occultations with dual-polarization receivers. The resulting refractivity expression is presented as a function of air density, temperature, moisture, and composition, and (using a simplified model of atmospheric evolution) also as a function of density, temperature, moisture, and time.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,010
Tête enseignante GPT0,277
Écart entre enseignants0,266 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGNSS positioning and interferenceTravaux en français237 207