Retrieval of Oil–Water Mixture Ratio at Ocean Surface Using Compact Polarimetry Synthetic Aperture Radar
Notice bibliographique
Résumé
The oil–water mixture ratio for oil spills on the ocean surface is an important parameter for volume estimation of oil spills, response strategy for the oil spills, cleanup operations, and remediation planning for the impacts on wildlife. Hybrid-polarized (HP) mode compact polarization (CP) synthetic aperture radar (SAR) imagery will soon be available with the launch of the RADARSAT Constellation Mission. The advantage of the proposed new SAR system is that CP images will have wider swath and shorter revisit time compared to quad-polarization (QP) images, which are presently available from space-borne and air-borne SAR. We present a methodology to retrieve the oil–water mixture ratio at the ocean surface using CP SAR imagery. We emulated the HP mode of CP SAR image using Uninhabited Aerial Vehicle SAR (UAVSAR) L band observations collected on 23 June 2010 over the site of the Deep Water Horizon drilling rig. The gap between elements ratio of CP SAR covariance matrix and that of QP SAR Sinclair matrix is bridged. Numerical optimization and look up table methods are used to relate the oil–water mixture ratio to elements of the covariance matrix for the HP data backscatter. The mixture ratio estimates determined from the ratio of diagonal elements of the covariance matrix for HP mode CP data are compared with results retrieved from the co-polarization ratio from the original QP SAR observations. Results from the proposed methodology for SAR images captured in the HP mode of CP data are shown to compare favourably to observed in situ data of the mixture ratios.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».