Estimating Tropical Cyclone Wind Structure and Intensity From Spaceborne Radiometer and Synthetic Aperture Radar
Notice bibliographique
Résumé
We present a relatively simple method to estimate tropical cyclone (TC) surface wind structure (34-, 50-, and 64-kt wind radii) and intensity [maximum wind speed (MWS)] from wind fields acquired from the L-band SMAP radiometer and C-band Sentinel-1A/B and RADARSAT-2 synthetic aperture radar (SAR) between 2015 and 2020. The radiometer and SAR-derived wind radii and MWS are systematically compared with the best-track estimates. The root-mean-square errors (RMSEs) of R34, R50, and R64 are 31.2, 21.8, and 17.0 nmi (1 nmi = 1.852 km) for radiometer, and 21.7, 16.5, and 16.3 nmi for SAR, respectively. These error values are smaller than the averaged best-track uncertainty estimates for the three wind radii. Compared with the best-track reports, the bias and RMSE for the MWS estimates are -0.2 m/s and 5.8 m/s for radiometer, and 4.4 m/s and 9.1 m/s for SAR, respectively. These results are for the wind speeds in the range of 17-80 m/s. For the two typical TCs (Lionrock and Noru) in the Northwest Pacific Ocean, our results show that a combination of the radiometer and SAR wind data acquired within a very short time interval has the potential to simultaneously obtain reasonable measurements of the wind radii and intensity parameters. Moreover, for a TC with a long lifecycle, such as Typhoon Noru, we demonstrate that the high-resolution and multitemporal synergistic observations from SAR and radiometer are valuable for studying fine-scale features of the wind field and characteristics of wind asymmetry associated with intensity change, as well as the evolution of TC surface wind structure and intensity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».