Lagrangian Coherent Structure Analysis of Terminal Winds Detected by Lidar. Part I: Turbulence Structures
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 accurate real-time detection of turbulent airflow patterns near airports is important for safety and comfort in commercial aviation. In this paper, a method is developed to identify Lagrangian coherent structures (LCS) from horizontal lidar scans at Hong Kong International Airport (HKIA) in China. LCS are distinguished frame-independent material structures that create localized attraction, repulsion, or high shear of nearby trajectories in the flow. As such, they are the fundamental structures behind airflow patterns such as updrafts, downdrafts, and wind shear. Based on a recently developed finite-domain–finite-time Lyapunov exponent (FDFTLE) algorithm from Tang et al. and on new Lagrangian diagnostics presented in this paper that are pertinent to the extracted FDFTLE ridges, the authors differentiate LCS extracted from lidar data. It is found that these LCS derived from horizontal lidar scans compare well to convergence and divergence suggested by vertical slice scans. At HKIA, horizontal scans are predominant: they cover much bigger azimuthal ranges as compared with only two azimuthal angles from the vertical scans. LCS extracted from horizontal scans are thus advantageous in providing organizing turbulence structures over the entire observational domain as compared with a single line along the vertical scan direction. In Part II of this study, the authors will analyze the evolution of LCS and their impacts on landing aircraft based on recorded flight data.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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