The Probability Distribution of Sea Surface Wind Speeds. Part I: Theory and SeaWinds Observations
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 The probability distribution of sea surface wind speeds, w, is considered. Daily SeaWinds scatterometer observations are used for the characterization of the moments of sea surface winds on a global scale. These observations confirm the results of earlier studies, which found that the two-parameter Weibull distribution provides a good (but not perfect) approximation to the probability density function of w. In particular, the observed and Weibull probability distributions share the feature that the skewness of w is a concave upward function of the ratio of the mean of w to its standard deviation. The skewness of w is positive where the ratio is relatively small (such as over the extratropical Northern Hemisphere), the skewness is close to zero where the ratio is intermediate (such as the Southern Ocean), and the skewness is negative where the ratio is relatively large (such as the equatorward flank of the subtropical highs). An analytic expression for the probability density function of w, derived from a simple stochastic model of the atmospheric boundary layer, is shown to be in good qualitative agreement with the observed relationships between the moments of w. Empirical expressions for the probability distribution of w in terms of the mean and standard deviation of the vector wind are derived using Gram–Charlier expansions of the joint distribution of the sea surface wind vector components. The significance of these distributions for improvements to calculations of averaged air–sea fluxes in diagnostic and modeling studies 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.
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 découle