XiaoMi-AI文件搜索系统
World File Search SystemCesana
与云的CMIP6模型中的南大洋太阳反射偏见
补充文本S1：在某些情况下，日光或高度反射层可能会在信号上产生噪音，并使两个冷凝水相之间的区别复杂化。结果，像素可以分类为“未定义相”，通常对应于亚零温度下像素中液体和冰颗粒的混合物（Cesana等，2016）。在这项研究中，我们认为这些像素是液体主导的。Calipso-GOCCP云相V2.9的主要局限性与LIDAR衰减有关，这可能会导致对完全减弱的像素的误诊，因为是透明的天空，随后低估了表面附近的垂直云分数（1 km以下，Cesana等人，2016年，1 km以下）。但是，通过使用LiDAR模拟器在模拟中重现了这种低估。Cesana等人描述了本研究中使用的观察不确定性估计值。（2021）。
ADA-SCID逆转录病毒基因治疗中T细胞急性淋巴细胞白血病
div> daniela cesana 1.22，玛丽亚·皮亚·西克西斯1.2,3,22，安德里亚·卡拉布里亚（Andrea Calabria 1），彼得罗·梅利（Pietro Merli）4，罗伯塔·卡鲁索（Roberta caruso）4，莫妮卡·沃尔平（Monica volpin）1，劳拉·鲁迪洛索（Laura Rudilosso），劳拉·鲁迪洛索1（Laura Rudilosso 1），麦达利娜（Maddalena） Andrea Ciolfi 5，Alessandro Brussels 6，Francesca Tucci 1.2 1.2 1.2 1.2，Giulio Spinozzi 1，Giulia Pais 1，Fabrizio Benedicenti 1，Matteo Barcella 1，Matteo Barcella 1.7，Ivan Merelli 1.7，Ivan Merelli 1.7 Casiraghi 1，Luisa Strocchio 4，Luciana Vinti 4，Lucia Pacillo 8，Eleonora Draghi 9，Marcella Cesana 10.11，Sara Riccardo 10,12，Chiara Colantuono 10.12，10.12，Emmanuelle SIX SIX SIX S3，Marina Cavazzana 13，Marina Cavazzana 13，Filippo Carlucci Carluci Carluci Carluci Carluci Carrelci Carrelci Carluci Carreld.2。 8.16，Fabio Ciceri 1.3.17，Luca Vago 3,9,17，Davide Cacchiarelli 10,18.19，Bernhard Gentner 1,17，Luigi Naldini 1.3，Marco Marco，Marco Tartaglia 5
ISAnalytics 支持在造血干细胞基因治疗应用中进行纵向和高通量克隆追踪研究
Daniela Cesana 是一名生物技术专家，也是 SR-Tiget 安全性和插入诱变部门的项目负责人，在载体安全性和整合研究方面拥有丰富的经验。她开发了用于液体活检中整合位点检索、腺相关病毒载体 (AAV) 表征和基因编辑应用中脱靶检测的新技术。Maria Ester Bernardo 是 SR-Tiget 骨髓移植部门的医生，领导 MPSIH 的基因治疗临床项目 [ 8 ]。Bernhard Gentner 是 SR-Tiget 的医师科学家和血液学家，在造血干细胞操作和基因治疗临床开发方面拥有长期经验，是 Hurler 综合征研究（I 型黏多糖贮积症，Hurler 变体 - MPSIH）的首席研究员 [ 8 ]。 Eugenio Montini 是一位生物学家，SR-Tiget 安全性和插入诱变部门负责人，在基因治疗的载体设计和遗传毒性方面拥有长期经验。Andrea Calabria 负责分子表征和克隆追踪研究，以评估所有机构基因治疗临床试验的安全性和有效性。他的研究重点是破译移植后体内造血重建的动态。收到日期：2022 年 9 月 27 日。修订日期：2022 年 11 月 10 日。接受日期：2022 年 11 月 14 日 © 作者 2022。牛津大学出版社出版。这是一篇根据知识共享署名许可条款分发的开放获取文章（http://creativecommons.org/licenses/by/4.0/），允许在任何媒体中不受限制地重复使用、分发和复制，前提是正确引用原始作品。
越南CMIP6全球气候模型的绩效评估和排名
气候变化正在全球发生，并在整个地球上产生了许多影响（Arias等人2021）。为了进行气候变化影响评估，并为特定地区设计有效的响应策略，为该地区产生未来的气候预测是先决条件。在全球范围内的气候预测通常基于耦合模型对比项目（CMIP）下的全球气候模型（GCM）的产出。CMIP第6阶段的模型结果（CMIP6）（Eyring等人2016）对最近的第六次评估报告（AR6）显着贡献了气候变化小组（IPCC）（IPCC 2021）。虽然CMIP6 GCM在代表世界各地的历史气候方面表现出足够的表现（例如Seneviratne＆Hauser 2020; Srivastava等。2020; Xin等。2020; Hong等。2021），它们仍然表现出由不同来源引起的系统和区域特异性偏见。例如，CMIP6模型中的偏见可以归因于其海面温度的表示（Wang等人2021; Tong等。2022; Rajendran等。2022），大气循环（Richter＆Tokinaga 2020; Wang等人2021），陆地大气相互作用（Abdelmoaty等人2021; Li等。2021），云过程（Cesana＆del Genio 2021; Wang等人2021）和其他因素。此外，在一个区域中表现良好的模型可能不一定在另一个区域表现良好。2022）。因此，最初已经进行了针对特定区域的单个CMIP6模型的性能进行排名的研究（Papalexiou等人。2020; Anil等。2021; Desmet＆NGO-DUC 2022; Gebresellase等。值得注意的是，以下称为DN22的Desmet＆Ngo-Duc（2022）已开发出一种新颖的方法来对CMIP6模型进行对东南亚的模型。越南是受气候变化和海平面上升的强烈影响的国家之一（Dasgupta等人2007;自然资源与环境部2020）。 近年来已经对越南气候变化进行了各种研究。 使用统计学（2007;自然资源与环境部2020）。近年来已经对越南气候变化进行了各种研究。使用统计学（