MétaCan
Menu
Retour à la cohorte
Enregistrement W2807421415 · doi:10.3390/rs10060875

Dual-Polarized Backscatter Features of Surface Currents in the Open Ocean during Typhoon Lan (2017)

2018· article· en· W2807421415 sur OpenAlexafffund
Guosheng Zhang, William Perrie

Notice bibliographique

RevueRemote Sensing · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesCanadian Space AgencyNational Natural Science Foundation of China
Mots-clésTyphoonRemote sensingSynthetic aperture radarBackscatter (email)GeologyAltimeterOcean currentCurrent (fluid)OceanographyComputer science

Résumé

récupéré en direct d'OpenAlex

Ocean surface current measurements from satellites have historically been limited. We propose a new approach to detect ocean surface currents as observed by dual-polarized (VV and VH) spaceborne synthetic aperture radar (SAR). This approach is based on the assumptions that the VH-polarized SAR signal is only generated by the effects of ocean winds creating surface waves, whereas the VV-polarization data are due to the effects of both ocean winds and surface currents. Therefore, the surface currents features may be extracted after retrieving the ocean winds from VH-polarized backscatter and inputting signal due to the wind to the VV-polarized backscatter data. To investigate the performance of this approach under extreme wind conditions, we consider a scene of C-band RADARSAT-2 dual-polarized ScanSAR images over Typhoon Lan (2017) in the open ocean, and we verify our results with current estimates from altimeter data. The ocean current features extracted from the backscatter data that were collected from the SAR images are shown to correspond to an area of strong currents and an oceanic front observed by altimeters. We suggest that the proposed method has the potential capacity to provide information about ocean surface currents from high-resolution dual-polarized ScanSAR images.

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)0,001
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 enseignants0,817
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,258
Écart entre enseignants0,237 · 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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207