MétaCan
Menu
Retour à la cohorte
Enregistrement W1883365136

Extraction of wind speed from high frequency ground wave radar oceanic backscatter

2005· dissertation· en· W1883365136 sur OpenAlexfundno aff
David W. Green

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2005
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRadarRemote sensingWave radarWind waveGeologyContinuous-wave radarRadar engineering detailsBackscatter (email)Radar cross-sectionRadar imagingRadar horizonPulse-Doppler radarWind speedComputer scienceTelecommunicationsWireless
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The ability to remotely sense ocean winds has numerous research and commercial applications. High Frequency radar operating in ground wave mode has proven itself to be an effective means of remotely sensing the ocean surface. This is because at the typical operating frequencies (3-30 MHz), the radar signal can travel very large distances. Also, wavelengths in this band interact closely with the most energetic ocean waves. The problem that is dealt with in this thesis is the extraction of the wind speed blowing over a radar-illuminated patch of ocean. -- The Doppler spectra of the returned radar signal contain a wealth of oceanographic information. This is owing to the various complex electromagnetic scattering mechanisms. The radar cross section of the ocean surface that results has many salient features that can be used to extract particular ocean parameters. Based on the existing HF radar theory, an expression is derived that extracts the peak frequency of the ocean spectrum from the radar cross section. This spectral peak frequency is then linked to oceanographic models which dictate the growth of an ocean spectrum to a given wind condition. -- The models are applied to simulated noisy data. In addition, appropriate signal processing techniques are applied to mitigate the effects of noise and to improve the robustness of the models. Finally, the models are applied to sample HF radar data provided by Rutger's University. This data was obtained from a Coastal Ocean Dynamics Applications Radar (CODAR) operating in Breezy Point, NY. The results are then compared to ground truth data provided by the National Oceanic and Atmospheric Administration (NOAA) from a weather station located in the vicinity of the illuminated patch of ocean.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,234
Écart entre enseignants0,211 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetOcean Waves and Remote SensingTravaux en français237 207