Empirical Models of the Probability Distribution of Sea Surface Wind Speeds
Notice bibliographique
Résumé
Abstract This study considers the probability distribution of sea surface wind speeds, which have historically been modeled using the Weibull distribution. First, non-Weibull structure in the observed sea surface wind speeds (from SeaWinds observations) is characterized using relative entropy, a natural information theoretic measure of the difference between probability distributions. Second, empirical models of the probability distribution of sea surface wind speeds, parameterized in terms of the parameters of the vector wind probability distribution, are developed. It is shown that Gaussian fluctuations in the vector wind cannot account for the observed features of the sea surface wind speed distribution, even if anisotropy in the fluctuations is accounted for. Four different non-Gaussian models of the vector wind distribution are then considered: the bi-Gaussian, the centered gamma, the Gram–Charlier, and the constrained maximum entropy. It is shown that so long as the relationship between the skewness and kurtosis of the along-mean sea surface wind component characteristic of observations is accounted for in the modeled probability distribution, then all four vector wind distributions are able to simulate the observed mean, standard deviation, and skewness of the sea surface wind speeds with an accuracy much higher than is possible if non-Gaussian structure in the vector winds is neglected. The constrained maximum entropy distribution is found to lead to the best simulation of the wind speed probability distribution. The significance of these results for the parameterization of air/sea fluxes in general circulation models is discussed.
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) | 0,000 | 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 ».