MétaCan
Menu
Retour à la cohorte
Enregistrement W2946790488 · doi:10.5194/wes-5-1191-2020

US East Coast synthetic aperture radar wind atlas for offshore wind energy

2020· article· en· W2946790488 sur OpenAlexaboutno aff
Tobias Ahsbahs, Galen Maclaurin, Caroline Draxl, Christopher Jackson, Frank Monaldo, Merete Badger

Notice bibliographique

RevueWind energy science · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesNational Renewable Energy Laboratory
Mots-clésOffshore wind powerSynthetic aperture radarSubmarine pipelineGeologyAtlas (anatomy)Marine engineeringSide looking airborne radarRemote sensingWind powerMeteorologyEnvironmental scienceOceanographyRadarRadar imagingAerospace engineeringGeographyEngineeringRadar engineering details

Résumé

récupéré en direct d'OpenAlex

Abstract. We present the first synthetic aperture radar (SAR) offshore wind atlas of the US East Coast from Georgia to the Canadian border. Images from RADARSAT-1, Envisat, and Sentinel-1A/B are processed to wind maps using the geophysical model function (GMF) CMOD5.N. Extensive comparisons with 6008 collocated buoy observations of the wind speed reveal that biases of the individual systems range from −0.8 to 0.6 m s−1. Unbiased wind retrievals are crucial for producing an accurate wind atlas, and intercalibration of the SAR observations is therefore applied. Wind retrievals from the intercalibrated SAR observations show biases in the range of to −0.2 to 0.0 m s−1, while at the same time improving the root-mean-squared error from 1.67 to 1.46 m s−1. The intercalibrated SAR observations are, for the first time, aggregated to create a wind atlas at the height 10 m a.s.l. (above sea level). The SAR wind atlas is used as a reference to study wind resources derived from the Wind Integration National Dataset Toolkit (WTK), which is based on 7 years of modelling output from the Weather Research and Forecasting (WRF) model. Comparisons focus on the spatial variation in wind resources and show that model outputs lead to lower coastal wind speed gradients than those derived from SAR. Areas designated for offshore wind development by the Bureau of Ocean Energy Management are investigated in more detail; the wind resources in terms of the mean wind speed show spatial variations within each designated area between 0.3 and 0.5 m s−1 for SAR and less than 0.2 m s−1 for the WTK. Our findings indicate that wind speed gradients and variations might be underestimated in mesoscale model outputs along the US East Coast.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil0,591

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
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)0,0050,003

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 Opus0,013
Tête enseignante GPT0,190
Écart entre enseignants0,176 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWind energy scienceMême sujetOcean Waves and Remote SensingTravaux en français237 207