MétaCan
Menu
Retour à la cohorte
Enregistrement W2955245659 · doi:10.1139/anc-2018-0019

Wind drag in oil spilled ocean surface and its impact on wind-driven circulation

2019· article· en· W2955245659 sur OpenAlexafffund
Hui Shen, William Perrie, Yongsheng Wu

Notice bibliographique

RevueAnthropocene Coasts · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentCanadian Space AgencyOcean Frontier Institute
Mots-clésRacing slickEnvironmental scienceWind stressOcean currentWind speedDrag coefficientSurface roughnessDragMeteorologyCurrent (fluid)GeologyAtmospheric sciencesClimatologyOil spillOceanographyMechanicsGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The drag coefficient is a key parameter to quantify the wind stress over the ocean surface, which depends on the ocean surface roughness. During oil spill events, oil slicks cover the ocean surface and thus change the surface roughness by suppressing multi-scale ocean surface waves, and the drag coefficient is changed. This change has not been included in the current ocean circulation models. In this study, such change in sea surface roughness is studied by satellite remote sensing via synthetic aperture radar (SAR) data to quantify the changes in the wind effect over the oil-covered ocean surface. The concept of effective wind speed is introduced to quantify the wind work on the ocean. We investigate its influence on the wind-driven Ekman current at the ocean surface. Using observations from the Deepwater Horizon oil spill (2010) as an example, we find that the presence of oil can result in an effective wind speed of 50%~100% less than the conventional wind speed, causing overestimates by 75%~100% in the wind driven Ekman current. The effect of such bias on oil trajectory predictions is also discussed. Our results suggest that it is important to consider the effect of changes in the drag coefficient over oil-contaminated areas, especially for large-scale oil spill situations.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil1,000

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,258
Écart entre enseignants0,250 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnthropocene CoastsMême sujetOil Spill Detection and MitigationTravaux en français237 207