Dual-curve-fitting-based wind parameter extraction from shipborne nautical X-band radar data
Notice bibliographique
Résumé
In this paper, techniques for retrieving wind direction and speed from shipborne X-band nautical radar images are presented. First, by analyzing the radar backscatter intensity histogram and zero-pixel percentage, each individual image is designed to go through a data quality control process. With this processing, the rain cases and all-black images can be recognized. Then, a harmonic function that is least-squares fitted to the radar backscatter intensity as a function of antenna look direction is applied to determine the wind direction. Furthermore, for wind speed retrieval, an empirical third-order polynomial model is derived using the average radar backscatter intensity and the reference wind speed. To improve the accuracy of wind retrieval, a modified technique, which involves a dual-curve-fitting approach, is implemented. For the data presented in this paper, it was found that the second stage of the curve-fitting performed optimally when the data at angles of 60° to the left and right of the first-guess upwind direction were used. Also, only the data for the dual-curve-fitting were used to calculate the average intensity of the radar images for wind speed estimation. The modified method is applied to the radar data and the results are compared with the reference data measured by a ship-based anemometer. It is shown that the dual-curve-fitting algorithm produces improvements in the mean differences between the radar and the anemometer results for wind direction and speed of about 7° and 0.4 m/s, respectively, under low sea state.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».