Bathymetry inversion using constituent Boussinesq equations
Notice bibliographique
Résumé
The phenomenon of ocean wave-shoaling, and the associated reduction of ocean wave phase speed with decreased water depth, provides useful information for inferring water depth D (bathymetry) in coastal environments. One strategy for relating D to phase speed C and wave-vector k, of long wave length ocean waves, involves using the 1-dimensional, linear (gravity wave) dispersion relationship C=(g*tanh(kD)/k)/sup 1/2/. In principle, this approach has limitations, because the approach is based on a WKB approximation. Thus, it cannot be applied when D varies appreciably over the wavelength of a shoaling-wave. Also, the approach is restricted to waves that have small wave-height. In the present paper, The authors use a set of marine radar image sequences and apply the linear approximation, via a 3D FFT analysis to the sequences. The authors show that for low to moderate wave heights, the approach does retrieve approximately the correct depth. However, an increase in the RMS wave-height from 1 m to 3.5 m produced a much poorer depth estimate, proving the need for an application of a non-linear wave model to the problem, with an associated new retrieval approach. They outline a new procedure for extracting bathymetry that uses the recently developed constituent Boussinesq (CB) equations. The inversion procedure is accomplished using a standard (Levenberg-Marquardt-like), 1-dimensional, cost function minimization procedure.
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 | 0,000 | 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) | 0,007 | 0,001 |
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 ».