MétaCan
Menu
Retour à la cohorte
Enregistrement W4361273831 · doi:10.3390/rs15071844

Remote Sensing Analysis of Typhoon-Induced Storm Surges and Sea Surface Cooling in Chinese Coastal Waters

2023· article· en· W4361273831 sur OpenAlexaff
Xiaohui Li, Guoqi Han, Jingsong Yang, Caixia Wang

Notice bibliographique

RevueRemote Sensing · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésBuoyTyphoonStorm surgeEnvironmental scienceSea surface temperatureOceanographyClimatologyTide gaugeStormGeologyTropical cycloneMeteorologySea levelGeography

Résumé

récupéré en direct d'OpenAlex

Inthis study, remote sensing measurements were utilized to examine the characteristics of storm surges and sea surface cooling in Chinese coastal waters caused by typhoons. Altimetric data from satellite altimeters were used to determine the magnitude, cross-shelf decaying scale, and propagating speed of storm surges from typhoons. The results were in agreement with estimates obtained from a theoretical model and tide gauge data, showing that the two storm surges propagated as continental shelf waves along the southeastern coast of China. The sea surface cooling, driven by Typhoons 1319Usagi and 1323Fitow, was analyzed using the remote sensing sea surface temperature product, named the global 1 km sea surface temperature (G1SST) dataset, revealing a considerable decrease in the temperature, with the largest decrease reaching 4.5 °C after the passage of 1319Usagi, in line with buoy estimates of 4.6 °C. It was found that 1323Fitow and 1324Danas jointly impacted the southeastern coast of China, resulting in a significant temperature drop of 4.0 °C. Our study shows that incorporating remotely sensed measurements into the study of oceanic responses to typhoons has significant benefits and complements the traditional tide gauge network and buoy data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,266
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207