MétaCan
Menu
Retour à la cohorte
Enregistrement W2122376840 · doi:10.1109/48.946511

Broad-band frequency and incident-angle dependence of bottom backscattering on Browns Bank

2001· article· en· W2122376840 sur OpenAlexaffabout
Yan Jia, R C Courtney

Notice bibliographique

RevueIEEE Journal of Oceanic Engineering · 2001
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensGeological Survey of Canada
Organismes subventionnairesU.S. Naval Research Laboratory
Mots-clésScatteringOpticsMaterials scienceAngle of incidence (optics)Range (aeronautics)CalibrationBragg's lawSurface roughnessBackscatter (email)PhysicsDiffractionEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

A two-scale roughness model for bottom backscattering (Novarini and Caruthers) was applied to multibeam sounder data (95 kHz) from Browns Bank (south of Yarmouth, Nova Scotia, Canada). In order to better understand frequency and incident angle dependence of backscattering, acoustic-calibration data (1-6 kHz) were collected from the same area and treated with the same model. The frequency and incident angle dependence of bottom backscattering in the multibeam and acoustic-calibration data were compared. Backscattering due to large-scale roughness was most relevant at near-normal incidence (<7/spl deg/) and it was more dominant in the low-frequency range, and was strongly dependent on incident angle. Volume scattering was least dependent upon incident angle. It was the dominant factor at the large incident angle. Bragg scattering was the most significant over a very wide frequency range and was more important for high frequency (>5 kHz) and small incidence, but not near-normal incidence.

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)0,000
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 enseignants0,262
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,233
Écart entre enseignants0,216 · 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

Citations2
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Oceanic EngineeringMême sujetUnderwater Acoustics ResearchTravaux en français237 207