Modeling Study on the Asymmetry of Positive and Negative Storm Surges along the Southeastern Coast of China
Notice bibliographique
Résumé
In this paper, a three-dimensional storm surge model was developed based on the Finite Volume Community Ocean Model (FVCOM) by the hindcasts of four typhoon-induced storm surges (Chan-hom, Mireille, Herb, and Winnie). After model validation, a series of sensitivity experiments were conducted to explore the effects of key parameters in the wind and pressure field (forward speed, radius of maximum wind (RMW), inflow angle, and central pressure), typhoon path, wind intensity, and topography on the storm surge and surge asymmetry between sea level rise (positive surge) and fall (negative surge) along the southeastern coast of China (SCC). The model results show that lower central pressure and larger RMW could lead to stronger surge asymmetry. A larger inflow angle results in a stronger surge asymmetry. In addition, the path of Chan-hom is the most dangerous path type for the Zhoushan Archipelago area, and that of Winnie follows next. The model results also indicate that the non-linear interaction between wind field and pressure field tends to weaken the peak surge elevation. The effect of topography on storm surges indicates that the peak surge elevation and its occurrence time, as well as the surge asymmetry, increase with a decreasing slope along the SCC.
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 | 0,001 | 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 | 0,000 |
| 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 ».