The new method Heliosat-4 for the assessment of surface solar radiation
Bibliographic record
Abstract
Plusieurs méthodes existent pour évaluer de manière opérationnelle l'éclairement solaire au sol à partir d'images acquises par satellite. Durant sa thèse soutenue en 2009 à MINES ParisTech, Oumbe a conçu une nouvelle méthode, Heliosat-4, faisant appel à des modèles numériques du transfert radiatif et à des approximations d'exécution rapide. La présente thèse vise à consolider ces résultats et à effectuer la validation complète de la méthode Heliosat-4. Elle s'inscrit dans une collaboration scientifique internationale dans les projets européens MACC (Monitoring Atmosphere Composition and Climate) et MACC-II.Oumbe a proposé une approximation de l'équation de transfert radiatif s'écrivant alors comme un produit de l'éclairement par ciel clair par un terme d'extinction dû aux nuages. Nous avons établi que les erreurs liées à cette approximation sont très faibles dans les conditions usuelles et qu'elle peut donc être utilisée dans Heliosat-4, ce qui en facilitera l'implémentation informatique ainsi que son fonctionnement opérationnelle.La méthode Heliosat-4 est donc ainsi composé de deux modèles composés d'abaques : McClear pour l'éclairement par ciel clair et McCloud pour l'extinction cet éclairement due aux nuages. A l'aide de mesures in-situ d'éclairements direct et diffus de référence, nous avons analysé finement les performances de Heliosat-4 selon différentes conditions. La qualité de la première version pré-opérationnelle de Heliosat-4 est jugée satisfaisante car elle permet des estimations d'éclairement global avec une précision de l'ordre de celles des méthodes existantes mais des estimations des composantes directe et diffuse sensiblement de meilleure qualité.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.055 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".