Estimating Oceanic Turbulence Dissipation from Seismic Images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Seismic images of oceanic thermohaline finestructure record vertical displacements from internal waves and turbulence over large sections at unprecedented horizontal resolution. Where reflections follow isopycnals, their displacements can be used to estimate levels of turbulence dissipation, by applying the Klymak–Moum slope spectrum method. However, many issues must be considered when using seismic images for estimating turbulence dissipation, especially sources of random and harmonic noise. This study examines the utility of seismic images for estimating turbulence dissipation in the ocean, using synthetic modeling and data from two field surveys, from the South China Sea and the eastern Pacific Ocean, including the first comparison of turbulence estimates from seismic images and from vertical shear. Realistic synthetic models that mimic the spectral characteristics of internal waves and turbulence show that reflector slope spectra accurately reproduce isopycnal slope spectra out to horizontal wavenumbers of ∼0.04 cpm, corresponding to horizontal wavelengths of 25 m. Using seismic reflector slope spectra requires recognition and suppression of shot-generated harmonic noise and restriction of data to frequency bands with signal-to-noise ratios greater than about 4. Calculation of slope spectra directly from Fourier transforms of the seismic data is necessary to determine the suitability of a particular dataset to turbulence estimation from reflector slope spectra. Turbulence dissipation estimated from seismic reflector displacements compares well to those from 10-m shear determined by coincident expendable current profiler (XCP) data, demonstrating that seismic images can produce reliable estimates of turbulence dissipation in the ocean, provided that random noise is minimal and harmonic noise is removed.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle