MétaCan
Menu
Retour à la cohorte
Enregistrement W4240627391 · doi:10.5194/ems2021-370

Comparison between the 2D wind fields retrieved by a scanning Doppler lidar and anemometric measurements

2021· preprint· en· W4240627391 sur OpenAlexaff
José Antonio Benavent-Oltra, Djordje Romanić, Miloš Lompar, Massimiliano Burlando

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLidarAnemometerDoppler effectWind speedRadarPhysicsDoppler radarElevation (ballistics)AzimuthGeodesyRemote sensingGeologyMeteorologyOpticsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this work, two-dimensional (2D) wind fields retrieved by SingleDop software using scanning Doppler lidar data are compared with anemometric measurements in Genoa (Italy). SingleDop is a software module based on the theoretical work described in Xu et al. (2006), which is intended to retrieve 2D low-level winds from either real or simulated Doppler radar data. The lidar used in this work is a three-dimensional (3D) scanning WindCube 400S lidar, developed by Leosphere (France), which scans the azimuthal range of 100º –250º, up to a maximum distance of 14 km in the radial direction, for 4 elevations corresponding to 2.5º, 5°, 7.5° and 10º from the horizontal. The anemometer used for comparison is located about 1.3 km (horizontally) from the Doppler lidar and provides the wind velocity with a sampling rate of 1 Hz. The dataset analyzed is from November 2019 to June 2020. The total number of available lidar scans per day is ~420 for each elevation (2.5º, 5º, 7.5º and 10º). The 2D wind fields are retrieved by SingleDop for different de-correlated lengths (L= 10, 5 and 1 km). The overall number of measurements available for the comparison is therefore approximately 420 scans per day × 180 days × 4 heights × 3 L, which results in nearly 106 wind velocity values. The wind direction retrieved by SingleDop properly corresponds to the anemometric data with a BIAS ~13º, RMSE ~40º and a circular correlation of 0.8. Concerning the wind intensity, the results obtained for L = 5 km show the best agreement with the anemometric measurements with a BIAS of 0.8 m/s, RMSE around 1.8 m/s and a correlation coefficient higher than 0.9. Both for wind direction and velocity, the BIAS and RMSE slightly increase with the elevation whereas the circular and linear correlations decrease, as expected due to the increasing distance between lidar and anemometric measurements.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,070
Tête enseignante GPT0,293
Écart entre enseignants0,223 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWind Energy Research and DevelopmentTravaux en français237 207