MétaCan
Menu
Retour à la cohorte
Enregistrement W3101967666 · doi:10.3390/s20226540

Estimating Energy Dissipation Rate from Breaking Waves Using Polarimetric SAR Images

2020· article· en· W3101967666 sur OpenAlexfundno aff
Rafael D. Viana, João A. Lorenzzetti, Jonas T. Carvalho, Ferdinando Nunziata

Notice bibliographique

RevueSensors · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyMinistry of Science and Technology of the People's Republic of ChinaCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorEuropean Space Agency
Mots-clésDissipationPolarimetryEnergy (signal processing)Remote sensingBreaking wavePhysicsGeologyOpticsScatteringWave propagation

Résumé

récupéré en direct d'OpenAlex

The total energy dissipation rate on the ocean surface, ϵt (W m-2), provides a first-order estimation of the kinetic energy input rate at the ocean-atmosphere interface. Studies on the spatial and temporal distribution of the energy dissipation rate are important for the improvement of climate and wave models. Traditional oceanographic research normally uses remote measurements (airborne and platforms sensors) and in situ data acquisition to estimate ϵt; however, those methods cover small areas over time and are difficult to reproduce especially in the open oceans. Satellite remote sensing has proven the potential to estimate some parameters related to breaking waves on a synoptic scale, including the energy dissipation rate. In this paper, we use polarimetric Synthetic Aperture Radar (SAR) data to estimate ϵt under different wind and sea conditions. The used methodology consisted of decomposing the backscatter SAR return in terms of two contributions: a polarized contribution, associated with the fast response of the local wind (Bragg backscattering), and a non-polarized (NP) contribution, associated with wave breaking (Non-Bragg backscattering). Wind and wave parameters were estimated from the NP contribution and used to calculate ϵt from a parametric model dependent of these parameters. The results were analyzed using wave model outputs (WAVEWATCH III) and previous measurements documented in the literature. For the prevailing wind seas conditions, the ϵt estimated from pol-SAR data showed good agreement with dissipation associated with breaking waves when compared to numerical simulations. Under prevailing swell conditions, the total energy dissipation rate was higher than expected. The methodology adopted proved to be satisfactory to estimate the total energy dissipation rate for light to moderate wind conditions (winds below 10 m s-1), an environmental condition for which the current SAR polarimetric methods do not estimate ϵt properly.

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 candidatesaucune
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 enseignants0,403
Score d'incertitude au seuil0,990

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,223
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetOcean Waves and Remote SensingTravaux en français237 207