Ocean wind field mapping from synthetic aperture radar and its application to research and applied problems
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
pL and the office of research and Applications of the national oceanic and Atmospheric Administration have developed a system to use near-real-time satellite synthetic aperture radar (sAr) data from the radarsat-1 and envisat satellites to produce high-resolution (subkilometer) maps of the ocean surface wind field in coastal areas.These maps have shown diverse meteorological phenomena, from gap flows to atmospheric roll vortices.in this article, we describe how sAr can measure wind over the ocean surface and then present examples illustrating how such measurements may be applied.The first application is a scientific one in which sAr wind fields are used to understand the dynamics and spatial variability of barrier jets off the west coast of canada and the southern coast of Alaska.The second application is a practical one in which high-resolution sAr wind maps are used to determine the optimal placement of offshore wind turbines for generating electric power.Johns hopkins ApL TechnicAL DigesT, VoLume 26, number 2 (2005) F. m. monALDo et al.The use of high-resolution sAr wind mapping is just beginning to be recognized.A major objective of this article is to illustrate its capability through examples from both research and application.Although much work remains to be done in the validation and refinement of sAr wind mapping techniques, the potential payoff is well worth continued effort.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle