A Hurricane Morphology and Sea Surface Wind Vector Estimation Model Based on C-Band Cross-Polarization SAR Imagery
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
Over the last decades, data from spaceborne synthetic aperture radar (SAR) have been used in hurricane research. However, some issues remain. When wind is at hurricane strength, the wind speed retrievals from single-polarization SAR may have errors, because the backscatter signal may experience saturation and become double valued. By comparison, wind direction retrievals from cross-polarization SAR are not possible until now. In this paper, we develop a 2-D model, the symmetric hurricane estimates for wind (SHEW) model, and combine it with the modified inflow angle model to detect hurricane morphology and estimate the wind vector field imaged by cross-polarization SAR. By fitting SHEW to the SAR derived hurricane wind speed, we find the initial closest elliptical-symmetrical wind speed fields, hurricane center location, major and minor axes, the azimuthal (orientation) angle relative to the reference ellipse, and maximum wind speed. This set of hurricane morphology parameters, along with the speed of hurricane motion, are input to the inflow angle model, modified with an ellipse-shaped eye, to derive the hurricane wind direction. A total of 14 RADARSAT-2 ScanSAR images are employed to tune the combined model. Two SAR images acquired over Hurricane Arthur (2014) and Hurricane Earl (2010) are used to validate this model. Comparisons between the modeled surface wind vector and measurements from airborne stepped-frequency microwave radiometer and dropwindsondes show excellent agreement. The proposed method works well in areas with significant radar attenuation by precipitation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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