MétaCan
Menu
Retour à la cohorte
Enregistrement W2768561574 · doi:10.3390/rs9111186

Wave Height Estimation from First-Order Backscatter of a Dual-Frequency High Frequency Radar

2017· article· en· W2768561574 sur OpenAlexaff
Yingwei Tian, Biyang Wen, Hao Zhou, Caijun Wang, Jing Yang, Weimin Huang

Notice bibliographique

RevueRemote Sensing · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesOcean Public Welfare Scientific Research Project
Mots-clésRadarBackscatter (email)Remote sensingAttenuationWave heightScatteringCalibrationAcousticsOpticsGeologyPhysicsTelecommunicationsComputer scienceWireless

Résumé

récupéré en direct d'OpenAlex

Second-order scattering based wave height measurement with high-frequency (HF) radar has always been subjected to problems such as distance limitation and external interference especially under low or moderate sea state. The performance is further exacerbated for a compact system with small antennas. First-order Bragg scattering has been investigated to relate wave height to the stronger Bragg backscatter, but calibrating the echo power along distance and direction is challenging. In this paper, a new method is presented to deal with the calibration and improve the Bragg scattering based wave height estimation from dual-frequency radar data. The relative difference of propagation attenuation and directional spreading between two operating frequencies has been found to be identifiable along range and almost independent of direction, and it is employed to effectively reduce the fitting requirements of in situ wave buoys. A 20-day experiment was performed over the Taiwan Strait of China to validate this method. Comparison of wave height measured by radar and buoys at distance of 15 km and 70 km shows that the root-mean-square errors are 0.34 m and 0.56 m, respectively, with correlation coefficient of 0.82 and 0.84.

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 enseignants0,984
Score d'incertitude au seuil0,961

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 technologies0,0010,000
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 GPT0,215
Écart entre enseignants0,199 · 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

Citations21
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207