Wind assessment in a coastal environment using synthetic aperture radar satellite imagery and a numerical weather prediction model
Notice bibliographique
Résumé
AbstractWind assessment in a coastal environment remains a complex issue for both synthetic aperture radar (SAR) satellite imagery and numerical weather prediction (NWP) models. This study compares the accuracy of each technique to improve the overall mapping precision of both methods. On the one hand, 14 RADARSAT-1 scenes of the St. Lawrence River (Canada) are converted into wind speeds using a hybrid model function that consists of the CMOD-IFR2 geophysical model function and a C-band polarization ratio. A priori information on wind directions is gathered from QuikSCAT scatterometer and in situ wind data. On the other hand, co-located wind maps are generated with the Environment Canada mesoscale compressible community (MC2) model. Comparisons between these two methods are then presented according to three approaches: a systematic SAR and MC2 comparison at 4 km grid-point spacing, a validation with observations (buoy and QuikSCAT scatterometer), and a local analysis of SAR and MC2 winds along a transect perpendicular to the coastline. The main features of the offshore wind fields are well resolved by both methods. The comparison study shows that SAR and MC2 winds have good agreement, with a root mean square difference for wind speeds of 2.07 m/s and a bias of 0.13 m/s.Les vents en milieu côtier demeurent complexes à évaluer autant pour l'imagerie satellite radar à synthèse d'ouverture (RSO) que pour les modèles numériques de prévision météorologique. Cette étude vise à comparer chaque technique afin d'améliorer la précision globale liée à la cartographie des vents de surface. D'une part, quatorze scènes RADARSAT-1 du fleuve St-Laurent (Canada) sont transformées en image de vent à l'aide d'une fonction de modèle hybride composée du modèle géophysique CMOD-IFR2 ainsi que d'un rapport de polarisation en bande C. L'information a priori sur la direction du vent provient du diffusiomètre QuikSCAT et d'observations in situ. D'autre part, des images de vent co-localisées sont générées par le modèle Mésoéchelle Compressible Communautaire (MC2) d'Environnement Canada. Les comparaisons entre ces deux méthodes sont présentées selon trois approches: une comparaison systématique des vents évalués par RSO et MC2 à 4 km de maille de grille, une validation avec les observations (bouée et diffusiomètre QuikSCAT) et une analyse locale des vents RSO et MC2 le long d'un transect perpendiculaire à la côte. Dans l'ensemble, les caractéristiques propres aux champs de vent au-dessus de l'eau en zone côtière sont bien résolues par chacune des deux méthodes. Notre étude de comparaison montre que les vents RSO et MC2 sont bien corrélés avec une erreur quadratique moyenne pour les vitesses de vent de 2,07 m/s et un biais de 0,13 m/s. [Traduit par la Rédaction]
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 ».