MétaCan
Menu
Retour à la cohorte
Enregistrement W2237585666 · doi:10.1175/jtech-d-14-00188.1

Data Assimilation for Bathymetry Estimation at a Tidal Inlet

2016· article· en· W2237585666 sur OpenAlexaff
Saeed Moghimi, Mihrimah Ozkan, G. Wilson, A. L. Kurapov

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensDalhousie University
Organismes subventionnairesInternational Association of Sedimentologists
Mots-clésBathymetryData assimilationInletGeologyRemote sensingRadarSynthetic aperture radarOcean currentCurrent (fluid)MeteorologyGeodesyOceanographyComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This study involved developing and testing a data assimilation framework that accommodates different types of geophysical ocean data (i.e., surface velocity and wave information) and provides an estimation of the bathymetry of a mixed-energy tidal inlet. This framework was successfully applied to a highly variable tidal environment using synthetic data (twin test). The synthetic data consisted of surface velocity components associated with the tidal circulation and wavenumber–frequency pairs of incoming surface gravity waves that mimic data that could be derived from an airborne synthetic aperture radar system and a tower-mounted X-band radar system, respectively. The present ensemble-based assimilation framework has previously been applied in both wave-dominated coastal and current-dominated riverine environments. In contrast, the inlet environment is neither wave nor current dominated. The assimilation of wave and current data together was most useful to obtain a skillful estimate of the spatial map of bathymetry.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,192

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 Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,217 · 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'étudeAutre devis
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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetOcean Waves and Remote SensingTravaux en français237 207