MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132076434

Recent cloud and aerosol observations from the NRC Convair-580 aircraft

2019· other· en· W7132076434 sur OpenAlexvenueaboutno aff
L. Nichman, M. Wolde, A. Korolev, M. Bastian, M. Wheeler, N. Bliankinshtein, C. Nguyen, K. Baibakov

Notice bibliographique

RevueNPARC · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerosolCloud computingArcticInstrumentation (computer programming)LidarPrecipitationNowcastingSampling (signal processing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the last decade, there has been significant progress in in-situ characterization of cloud structures, microphysical properties, and aerosol content, as a result of new instrumentation and focused field studies. However, the difficulties with data collection in adverse conditions and limited number of aircraft campaigns as well as monitoring stations have resulted in significant observational gaps and high measurement uncertainties. These issues are most evident in remote regions. This presentation focuses on recent field campaigns conducted using the National Research Council of Canada‘s (NRC) Convair-580 aircraft, instrumented jointly by NRC and Environment and Climate Change Canada (ECCC). This twin-engine aircraft with wing-mounted pylons, is equipped with an array of commonly used cloud microphysics probes and aerosol instruments to sample in-situ, at altitudes of up to 7 km. The sampling range is extended further from the aircraft with active and passive remote sensing systems (lidars, radars and radiometer), providing cloud and precipitation structures many kilometres away. In the past year alone, over 150 hours of cloud data were collected in diverse environments, including the arctic and mid-latitude weather systems, in a number of collaborative projects. We present selected observations (e.g. aerosol, hydrometeor, and water content) from arctic and mid latitude clouds, which are complemented with the airborne remote-sensing for spatial characterization of the clouds. Lastly, we discuss the common uncertainties in such measurements. This overall characterization allows us to gain a better understanding of atmospheric processes, which will allow improved weather forecasting and increase safety and cost-effectiveness of air transportation worldwide.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,368

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,252
Écart entre enseignants0,212 · 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'étudeObservationnel
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARC→Travaux en français237 207→