MétaCan
Menu
← Back to cohort
Record W6998518618

Application d'une méthode utilisant un radar millimétrique pour récupérer les paramètres microphysiques des nuages de glace en arctique

2021· other· fr· W6998518618 on OpenAlexaboutno aff

Bibliographic record

VenueArchipelago (University of Quebec in Montreal) · 2021
Typeother
Languagefr
FieldEarth and Planetary Sciences
TopicArctic and Antarctic ice dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsRadar systemsRadarPrunus cerasusLidar
DOInot available

Abstract

fetched live from OpenAlex

Ce travail a pour objectif de tester une méthode de récupération des propriétés microphysiques des nuages de glace en arctique, à l’aide d’un radar millimétrique(MMCR). Nous voulons notamment pouvoir distinguer les TIC1 (Thin Ice Cloud de type 1) des TIC2. Il est supposé que ces derniers sont plus aptes à précipiter et favorisent donc la déshydratation de la troposphère arctique au cours d’un processus nommé « rétroaction déshydratation - effet de serre » (RDES) (Blanchet et Girard, 1994). La présence d’un MMCR et d’un lidar arctique à haute résolution spectrale (AHSRL) à la station Eureka, Nunavut, jusqu’en 2011, permettait l’utilisation d’une méthode de récupération exploitant une synergie des deux instruments. Le retrait du lidar en 2011 a cependant conduit à près de 10 ans de données radar inexploitées. La méthode radar est comparée à la méthode radar-lidar lors d’une période d’activité des deux instruments, de 2006 à 2009, dans le but d’en fixer les limites. Elle utilise la réflectivité et la composante Doppler du radar pour calculer la vitesse de chute des cristaux. Leur taille ainsi que le contenu en glace du nuage peuvent ensuite être retrouvés au moyen de lois empiriques et statistiques. Les résultats montrent que la méthode radar rencontre des difficultés lorsque la vitesse Doppler est faible ou qu’elle a une forte variabilité. Ceci résulte de la difficulté de dissocier cette variable en ses deux composantes : la vitesse terminale de chute des particules et le mouvement vertical de l’air. Néanmoins, l’analyse des propriétés microphysiques d’un TIC1 et d’un TIC2 montre que la méthode peut distinguer les deux types de nuage. Son application à la totalité des données récoltées au cours des hivers de 2006 à 2009 nous a permis de fixer des seuils précis pour chacune des variables du radar, au delà desquels elle ne devrait pas être utilisée. Après l’application des limites, la quantité de diamètres retrouvés dépassant l’incertitude de la méthode (40%), initialement de 30-40%, est réduite à 20-30%. L’amélioration de la méthode radar, ainsi que sa capacité à distinguer les TIC1 et les TIC2 ouvre la voie à de futurs travaux pour étudier ces nuages. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Eureka, radar millimétrique, RDES, nuages optiquement fins, synergie, lidar arctique à haute résolution spectrale

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.004
Threshold uncertainty score0.009

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.012
GPT teacher head0.197
Teacher spread0.186 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (University of Quebec in Montreal)→Same topicArctic and Antarctic ice dynamics→French-language works237,207→