MétaCan
Menu
Retour à la cohorte
Enregistrement W2782210158

Bistatic observations of the ocean surface with HF radar, satellite and airborne receivers

2017· article· en· W2782210158 sur OpenAlexaff
P. A. Bernhardt, C. L. Siefring, Stanley C. Briczinski, Juha Vierinen, E. S. Miller, Andrew Howarth, H. G. James, Eugene Blincoe

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRemote sensingSatelliteGeologyRadarWave radarSurface waveWind waveRadio waveSea-surface heightOcean surface topographyBistatic radarMeteorologyRadar imagingGeodesyGeographyPhysicsOceanographyOpticsAltimeterComputer scienceTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A new concept has been developed which can view vast regions of the Earth's surface. Ground HF transmissions are reflected by the ionosphere to illuminate the ocean over a few thousand kilometers. HF receivers detect the radio waves scattered by the sea and land surface. Using the theory of radio wave scatter from ocean surfaces, the HF data is then processed to yield the directional wave-height spectrum of the ocean. This technique has several advantages over existing remote sensing methods. A large area of the ocean can be sampled to yield the wave-height characteristics with high, km-scale resolution. The wave height spectrum can be directly compared with temporal frequency spectrum obtained with buoys at specific points in the ocean volume. Furthermore, the technique uses HF waves which penetrate the dense rain found in hurricanes.

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 enseignants0,041
Score d'incertitude au seuil0,998

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 technologies0,0010,002
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 Opus0,043
Tête enseignante GPT0,238
Écart entre enseignants0,195 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetOcean Waves and Remote SensingTravaux en français237 207