MétaCan
Menu
Retour à la cohorte
Enregistrement W3184088746 · doi:10.1007/s10236-021-01468-7

Spectral shapes and parameters from three different wave sensors

2021· article· en· W3184088746 sur OpenAlexaff
Anne Karin Magnusson, Robert E. Jensen, Val R. Swail

Notice bibliographique

RevueOcean Dynamics · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNorges ForskningsrådConocoPhillips
Mots-clésSwellBuoySignificant wave heightWave heightWind waveWind wave modelRemote sensingGeologyWave radarRadarMeteorologyWave modelEnvironmental scienceWave shoalingCalibrationGeodesyWave propagationPhysicsOpticsRadar engineering detailsRadar imagingComputer scienceLongitudinal waveTelecommunicationsMechanical wave

Résumé

récupéré en direct d'OpenAlex

Abstract The quality of wave measurements is of primary importance for the validation of wave forecasting models, satellite wave calibration and validation, wave physics, offshore operations and design and climate monitoring. Validation of global wave forecasts revealed significant regional differences, which were linked to the different wave buoy systems used by different countries. To fully understand the differences between the wave measurement systems, it is necessary to go beyond investigations of the integral wave parameters height, period and direction, into the frequency spectra and the four directional Fourier parameters that are used to estimate the directional distribution. We here analyse wave data measured from three different sensors (non-directional Datawell Waverider buoy, WaveRadar Rex, Optech laser) operating at the Ekofisk oil production platform located in the central North Sea over a period of several months, with significant wave height ranging from 1 to 10 m. In general, all three sensors provide similar measurements of the integral wave properties and frequency spectra, although there are some significant differences which could impact design and operations, forecast verification and climate monitoring. For example, the radar underestimates energy in frequency bands higher than 8 s by 3–5%, swell (12.5–16 s) by 5–13%, while the laser has 1–2% more energy than the Waverider in the most energetic bands. Lee effects of structures are also estimated. Lower energy at the frequency tail with the radar has an effect on wave periods (they are higher); wave steepness is seen to be reduced by 10% in the wind seas. Goda peakedness and the unidirectional Benjamin-Feir index are also examined for the three sensors.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,181
Écart entre enseignants0,168 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOcean DynamicsMême sujetOcean Waves and Remote SensingTravaux en français237 207