MétaCan
Menu
Retour à la cohorte
Enregistrement W1968621060 · doi:10.1029/2009jc005995

Comparison of composite Bragg theory and quad‐polarization radar backscatter from RADARSAT‐2: With applications to wave breaking and high wind retrieval

2010· article· en· W1968621060 sur OpenAlexaff
Paul A. Hwang, Biao Zhang, Jakov V. Toporkov, William Perrie

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésRadarBackscatter (email)Wind speedRemote sensingMeteorologySatellitePolarization (electrochemistry)Environmental sciencePhysicsGeologyAerospace engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Depolarized (de‐pol) radar backscatter is now produced by many spaceborne satellites. Analysis of RADARSAT‐2 (R2) quad‐polarization (quad‐pol) data with collocated in situ ocean wind measurements reveals that the de‐pol radar backscatter does not saturate in high winds. This is a significant development for radar wind sensing, because wind retrieval with copolarized (co‐pol) backscatter suffers from problems of incidence‐and‐azimuth‐angle‐dependent signal saturation and dampening in high winds. We present a study comparing satellite quad‐pol measurements with the composite surface Bragg (CB) theory of radar backscattering from the ocean surface. The co‐pol data are in good agreement with the CB theory. De‐pol data are more sensitive to wind speed compared to theoretical prediction, thus retrieval of high winds is more accurate using the de‐pol return. The cubic wind speed dependence of de‐pol returns in high winds reflects the significant breaking wave contributions. The relationship can be used to obtain wave‐breaking properties from space.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,296
Écart entre enseignants0,276 · 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

Citations122
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetOcean Waves and Remote SensingTravaux en français237 207