MétaCan
Menu
Retour à la cohorte
Enregistrement W2967939432 · doi:10.3390/rs11161876

Ocean Surface Wind Speed Retrieval Using Simulated RADARSAT Constellation Mission Compact Polarimetry SAR Data

2019· article· en· W2967939432 sur OpenAlexafffund
He Fang, William Perrie, Guosheng Zhang, Tao Xie, Shahid Khurshid, Kerri Warner, Jingsong Yang, Yijun He

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensEnvironment and Climate Change CanadaBedford Institute of Oceanography
Organismes subventionnairesOffice of Energy Research and DevelopmentStartup Foundation for Introducing Talent of Nanjing University of Information Science and TechnologyCanadian Space AgencyNational Oceanic and Atmospheric AdministrationNanjing University of Information Science and TechnologyNational Natural Science Foundation of China
Mots-clésSynthetic aperture radarRemote sensingBuoyWind speedPolarimetryGeologyRadarGeodesyWind directionConstellationComputer scienceEnvironmental sciencePhysicsMeteorologyOpticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

We investigated the use of C-band RADARSAT Constellation Mission (RCM) synthetic aperture radar (SAR) for retrieval of ocean surface wind speeds by using four new channels (right circular transmit, vertical receive (RV); right circular transmit, horizontal receive (RH); right circular transmit, left circular transmit (RL); and right circular transmit, right circular receive (RR)) in compact polarimetry (CP) mode. Using 256 buoy measurements collocated with RADARSAT-2 fine beam quad-polarized scenes, RCM CP data was simulated using a “CP simulator”. Provided that the relative wind direction is known, our results demonstrate that wind speed can be retrieved from RV, RH and RL polarization channels using existing C-band model (CMOD) geophysical model function (GMF) and polarization ratio (PR) models. Simulated RR-polarized radar returns have a strong linear relationship with speed and are less sensitive to relative wind direction and incidence angle. Therefore, a model is proposed for the RR-polarized synthetic aperture radar (SAR) data. Our results show that the proposed model can provide an efficient methodology for wind speed retrieval.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationlow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,045
Tête enseignante GPT0,269
Écart entre enseignants0,225 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOcean Waves and Remote SensingTravaux en français237 207