MétaCan
Menu
Retour à la cohorte
Enregistrement W2290436039 · doi:10.1175/jtech-d-15-0143.1

Experimental Assessment of the Performance of High-Frequency CODAR and WERA Radars to Measure Ocean Currents in Partially Ice-Covered Waters

2016· article· en· W2290436039 sur OpenAlexaffabout
Emna Kamli, Cédric Chavanne, Dany Dumont

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésGeologyFetchRadarShoreWind waveSea iceEnvironmental scienceOceanographyRemote sensing

Résumé

récupéré en direct d'OpenAlex

Abstract High-frequency radars (HFRs) measure ocean surface currents remotely through the Bragg scattering of radio waves by surface gravity waves with wavelengths shorter than 50 m. HFR range is affected by sea ice, which dampens surface gravity waves and limits wind fetch for adjacent open waters. HFR range sensitivity to sea ice concentration was empirically determined for two types of HFR—Coastal Ocean Dynamics Applications Radar (CODAR) and Wellen Radar (WERA)—installed on the shores of the lower St. Lawrence estuary, Canada, during winter 2013. One CODAR was operating at 13.5 MHz on the southern shore, and one WERA was operating at 16.15 MHz on the northern shore. Ranges were determined using a signal-to-noise ratio threshold of 6 dB for first-order Bragg scattering measured by the receive antenna elements. Ranges were normalized for expected ranges in ice-free conditions, using empirical relationships determined during summer 2013 between the range and surface gravity wave energy at the Bragg frequencies. Normalized ranges Γ decrease approximately linearly with increasing sea ice concentration C (averaged over the ice-free observational domain) with a slope close to −1 for both HFR types, that is, Γ = 1 − C. However, for a given sea ice concentration, range can vary significantly depending on the sea ice spatial distribution.

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 enseignants0,022
Score d'incertitude au seuil0,236

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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

Citations12
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207