MétaCan
Menu
Retour à la cohorte
Enregistrement W3007664502 · doi:10.3390/rs12040711

Multi-Sensor Observations of Submesoscale Eddies in Coastal Regions

2020· article· en· W3007664502 sur OpenAlexaff
Gang Li, Yijun He, Guoqiang Liu, Yingjun Zhang, Chuanmin Hu, William Perrie

Notice bibliographique

RevueRemote Sensing · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensDalhousie UniversityBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésEddyHfr cellTemperature gradientClimatologyGeologyRADIUSCurrent (fluid)Environmental scienceMeteorologyOceanographyTurbulencePhysics

Résumé

récupéré en direct d'OpenAlex

The temporal and spatial variation in submesoscale eddies in the coastal region of Lianyungang (China) is studied over a period of nearly two years with high-resolution (0.03°, about 3 km) observations of surface currents derived from high-frequency coastal radars (HFRs). The centers and boundaries of submesoscale eddies are identified based on a vector geometry (VG) method. A color index (CI) representing MODIS ocean color patterns with a resolution of 500 m is used to compute CI gradient parameters, from which submesoscale features are extracted using a modified eddy-extraction approach. The results show that surface currents derived from HFRs and the CI-derived gradient parameters have the ability to capture submesoscale processes (SPs). The typical radius of an eddy in this region is 2–4 km. Although no significant difference in eddy properties is observed between the HFR-derived current fields and CI-derived gradient parameters, the CI-derived gradient parameters show more detailed eddy structures due to a higher resolution. In general, the HFR-derived current fields capture the eddy form, evolution and dissipation. Meanwhile, the CI-derived gradient parameters show more SPs and fill a gap left by the HFR-derived currents. This study shows that the HFR and CI products have the ability to detect SPs in the ocean and contribute to SP analyses.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,052
Tête enseignante GPT0,227
Écart entre enseignants0,175 · 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'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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207