MétaCan
Menu
← Retour à la cohorte
Enregistrement W4255849962 · doi:10.5194/wes-2019-16

US East Coast synthetic aperture radar wind atlas for offshore wind energy

2019· preprint· en· W4255849962 sur OpenAlexaboutno aff
Tobias Ahsbahs, Galen Maclaurin, Caroline Draxl, Christopher Jackson, Frank Monaldo, Merete Badger

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Renewable Energy LaboratoryOffice of Energy EfficiencyWind Energy Technologies OfficeU.S. Department of EnergyOffice of Energy Efficiency and Renewable EnergyNational Oceanic and Atmospheric Administration
Mots-clésSynthetic aperture radarWind speedBuoyWeather Research and Forecasting ModelMeteorologyEnvironmental scienceSubmarine pipelineOffshore wind powerRemote sensingWind directionRange (aeronautics)RadarGeologyWind powerGeographyOceanographyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. We present the first synthetic aperture radar (SAR)-based offshore wind atlas of the US East Coast from Georgia to the Canadian border. Images from Radarsat-1, Envisat, Sentinel-1A, and Sentinel-1B are processed to wind maps using the Geophysical Model Function (GMF) CMOD5.N. Extensive comparisons with 6,008 collocated buoy observations revealed that biases of the individual system range from −0.8 to 0.6 m/s. Unbiased wind retrievals are crucial for producing an accurate wind atlas and intercalibration for correcting these biases by adjusting the normalized radar cross section is applied. The intercalibrated SAR observations show biases in the range of to −0.2 to 0.0 m/s, while at the same time improving the root mean squared error from 1.67 to 1.46 m/s. These intercalibrated SAR observations are, for the first time, aggregated to create a wind atlas. Monthly averages are used to correct artefacts from seasonal biases. The SAR wind atlas is used as a reference to study wind resources derived from the Weather Research and Forecasting (WRF) model. Comparisons focus on the spatial variation of wind resources and show that model results estimate lower coastal wind speed gradients than those from SAR. At sites designated for offshore wind development by the Bureau of Ocean Energy Management, mean wind speeds typically vary between 0.3 and 0.5 m/s for SAR and less than 0.2 m/s for the WRF model within each site. Findings indicate that wind speed gradients and variation might be underestimated in mesoscale model outputs along US East Coast.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,720

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 GPT0,200
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→