Notice bibliographique
Résumé
It is well known that ambient sound is generated by wind through the process of wave breaking and bubble injection. The resulting sound levels are highly correlated with wind speed and, even though the physical process is not fully understood, sound levels can be used to estimate wind speeds with accuracies comparable to other marine wind measurement techniques. It has been noted by several researchers that background sound levels in acoustic Doppler current profiler (ADCP) systems are correlated to wind speeds; however, conventional wisdom would suggest that this signal should be dominated by thermal noise. In this report, background sound levels in 75-, 150-, and 300-kHz ADCP systems have been investigated. Techniques required to convert raw data into absolute sound levels and to adjust these values to estimate representative surface sound levels are presented. Only the background sound levels in the 150-kHz ADCP retain a signal from the surface-generated ambient sound. For these systems, deployment-independent wind speed estimates can be made with an accuracy of 1.5 ± 1.5 m s−1 for wind speeds up to 15 m s−1; accuracies of −0.1 ± 1.4 m s−1 can be achieved when using deployment-specific calibration constants. At higher wind speeds, significant signal attenuation occurs due to the presence of subsurface bubbles; a correction for this attenuation is applied. Wind speeds determined from background sound levels can be combined with the ability of upward-looking ADCPs to extract wind direction to provide wind vector data. There is also a wind speed–dependent signal in the near-surface backscatter levels of the 300-kHz systems. The 300-kHz signal is not associated with background sound levels and is most likely caused by near-surface backscatter.
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 | 0,001 |
| 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) | 0,001 | 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 ».