A Reanalysis of the October 2016 "Meteotsunami" in British Columbia with\n Help of High-Frequency Radars and Autoregressive Modeling
Notice bibliographique
Résumé
On October 14th, 2016, the station of Tofino (British Columbia, Canada)\nissued the first ever real-time tsunami alert triggered by a coastal\nHigh-Frequency Radar system, based on the identification of abnormal surface\ncurrent patterns. The detection occurred in the absence of any reported seismic\nevent but coincided with a strong atmospheric perturbation, which qualified the\nevent as meteo-tsunami. We re-analyze this case in the light of a new radar\nsignal processing method which was designed recently for inverting fast-varying\nsea surface currents from the complex voltage time series received on the\nantennas. This method, based on an Auto-regressive modeling combined with a\nMaximum Entropy Method, yields a dramatic improvement in both the\nSignal-to-Noise Ratio and the quality of the surface current estimation for\nvery short integration time. This makes it possible to evidence the propagation\nof a sharp wave front of surface current during the event and to map its\nmagnitude and arrival time over the radar coverage. We show that the amplitude\nand speed of the inferred residual current do not comply with a Proudman\nresonance mechanism but are consistent with the propagation of a low-pressure\natmospheric front and wind vectors as revealed by satellite imagery. This\nindicates that the event that triggered a tsunami alert is more likely a storm\nsurge than a true meteo-tsunami. Beyond this specific case, another outcome of\nthe analysis is the promising use of oceanographic radars as proxy's for the\ncharacterization of atmospheric fronts.\n
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».