Vector Current Measurement Using Doppler Scatterometry with Optimally Selected Observation Azimuths
Notice bibliographique
Résumé
The Doppler scatterometer is a new style of remote sensing tool that can provide current measurements over a wide swath for rapid global coverage. The existing current estimation method for Doppler scatterometry uses the maximum likelihood method to jointly derive the wind and current fields but shows high computational complexity. Moreover, the current radial speeds measured along two arbitrary observation azimuths are used to derive the vector current according to the parallelogram rule, which is not applicable for the case where two observation azimuths are not perpendicular. In this paper, a vector current velocity inversion method using an optimally selected observation azimuth combination—as well as a general current velocity calculation method—is proposed for Doppler scatterometry. Firstly, current radial speeds along several different observation azimuths are estimated using an interferometric phase difference matching method with low computational complexity. Then, two current radial components of each point are arbitrarily selected to estimate a preliminary current direction using the proposed vector current velocity derivation method. Finally, two observation azimuths that have the smallest intersection angles with the preliminarily estimated current direction are selected for vector current velocity determination. With the Ocean Surface Current Analyses Real-time (OSCAR) data as current input, vector current estimation experiments were conducted based on simulation analysis using an instrument conceptual design model for a pencil-beam scatterometer. The results show that the standard deviation of the estimated current velocity magnitude is 0.06 m/s. Compared with the reported results obtained by the existing method, the inversion accuracy of velocity magnitude is improved by 67%.
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 | 0,001 |
| 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 ».