MétaCan
Menu
Retour à la cohorte
Enregistrement W2078005541 · doi:10.1029/2010jc006738

On polarimetric characteristics in SAR images of mesoscale cellular convection in the marine atmospheric boundary layer

2011· article· en· W2078005541 sur OpenAlexaff
Haiyan Li, William Perrie, Lanli Guo, Biao Zhang

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésMesoscale meteorologyPolarimetryGeologySynthetic aperture radarRemote sensingRadarPlanetary boundary layerBuoyRadar imagingConvectionMeteorologyClimatologyPhysicsOpticsComputer scienceScatteringOceanographyTurbulence

Résumé

récupéré en direct d'OpenAlex

[1] Convection is an important phenomenon in the marine atmospheric boundary layer (MABL). Previous spaceborne radar studies of such have been limited to single polarization data, and therefore their focus was on the variation in intensity of the radar return, which was constrained by the existence of a single polarization image pattern, representing different atmospheric and oceanic phenomena. In this paper, we study the polarimetric characteristics of mesoscale cellular convection (MCC) in the MABL using high-resolution data from fully polarimetric (HH, VV, HV, and VH) RADARSAT-2 (RS-2) synthetic aperture radar (SAR) images, in conjunction with closely collocated mesoscale atmospheric model simulations, to identify the MCC signatures. To compare the polarimetric characteristics of MCC with those of the ocean surface, our analysis also includes 641 open ocean surface quad-polarization RS-2 SAR images collocated with 52 National Data Buoy Center buoys. The open ocean surface SAR images exhibit different polarimetric characteristics from those of MCC. Thus, we differentiate MCC from other open ocean phenomena, based on identifiable polarimetric SAR characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,270
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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