MétaCan
Menu
Retour à la cohorte
Enregistrement W2065133146 · doi:10.3390/rs6042898

Reconstructed Wind Fields from Multi-Satellite Observations

2014· article· en· W2065133146 sur OpenAlexafffundabout
Ruohan Tang, Deyou Liu, Guoqi Han, Zhimin Ma, Brad de Young

Notice bibliographique

RevueRemote Sensing · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensFisheries and Oceans CanadaMemorial University of Newfoundland
Organismes subventionnairesSpecialized Research Fund for the Doctoral Program of Higher Education of ChinaFundamental Research Funds for the Central UniversitiesCanadian Space AgencyNational Natural Science Foundation of China
Mots-clésBuoyWind speedRemote sensingStandard deviationSatelliteMeteorologyGeodesyGeologyEnvironmental scienceSynthetic aperture radarGeographyPhysicsMathematicsOceanography

Résumé

récupéré en direct d'OpenAlex

We present and validate a method of reconstructing high-resolution sea surface wind fields from multi-sensor satellite data over the Grand Banks of Newfoundland off Atlantic Canada. Six-hourly ocean wind fields from blended products (including multi-satellite measurements) with 0.25° spatial resolution and 226 RADARSAT-2 synthetic aperture radar (SAR) wind fields with 1-km spatial resolution have been used to reconstruct new six-hourly wind fields with a resolution of 10 km for the period from August 2008 to December 2010, except July 2009 to November 2009. The reconstruction process is based on the heapsort bucket method with topdown search and the modified Gauss–Markov theorem. The result shows that the mean difference between the reconstructed wind speed and buoy-estimated wind speed is smaller than 0.6 m/s, and the standard deviation is smaller than 2.5 m/s. The mean difference in wind direction between reconstructed and buoy estimates is 3.7°; the standard deviation is 40.2°. There is fair agreement between the reconstructed wind vectors and buoy-estimated ones.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,033
Tête enseignante GPT0,214
Écart entre enseignants0,181 · 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'étudeSimulation ou modélisation
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

Citations9
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207