MétaCan
Menu
Retour à la cohorte
Enregistrement W4365142926 · doi:10.5194/essd-2023-64

Measurements of Nearshore Waves through Coherent Arrays of Free-Drifting Wave Buoys

2023· preprint· en· W4365142926 sur OpenAlexfundno aff
Edwin J. Rainville, Jim Thomson, Melissa Moulton, Morteza Derakhti

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesEngineer Research and Development CenterU.S. Coastal Research ProgramMcGill University
Mots-clésBuoyGeodesyWind waveWave heightInertial measurement unitGeologySwellRemote sensingSignificant wave heightMeteorologyPhysicsEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. Along coastlines, surface gravity wave breaking occurs in complex spatial and temporal patterns that significantly impact erosion, scalar transport, and flooding. Numerical models are used to predict these processes, but many models lack sufficient evaluation with observations during storm events. To fill the need for more nearshore wave measurements during extreme conditions, we deployed coherent arrays of small-scale, free-drifting wave buoys named microSWIFTs. The result is a large dataset covering a range of conditions. The microSWIFT is a small wave buoy equipped with a GPS module and Inertial Measurement Unit (IMU) used to directly measure the buoy’s global position, horizontal velocities, rotation rates, accelerations, and heading.We use an Attitude and Heading Reference System (AHRS), 9 degrees-of-freedom Kalman filter to rotate the measured accelerations from the reference frame of the buoy to the Earth reference frame. We then use the corrected accelerations to compute the vertical velocity and sea surface elevation. The measurements were collected over a 27-day field experiment in October of 2021 at the US Army Corps of Engineers Field Research Facility in Duck, NC. The microSWIFTs were deployed as a series of coherent arrays, meaning they all sampled simultaneously with a common time reference, leading to a robust spatial and temporal dataset during each deployment. We evaluate wave spectral energy density estimates from individual microSWIFTs by comparing them with a nearby acoustic waves and currents (AWAC) sensor. We also compare significant wave height estimates from the coherent arrays with the nearby AWAC estimates. A zero crossing algorithm is applied to each buoy time series of sea surface elevation to extract realizations of measured surface gravity waves, yielding 116,307 wave realizations throughout the experiment. These measurements spanned offshore significant wave heights ranging from 0.5 meters to 3 meters and peak wave periods ranging from 5 to 15 seconds over the entire experiment. These data are available at https://doi.org/10.5061/dryad.hx3ffbgk0 (Rainville et al., 2023) and will be used as a validation dataset for wave-averaged and wave-resolving models and will be used to investigate nearshore wave dynamics.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,127
Tête enseignante GPT0,264
Écart entre enseignants0,138 · 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.

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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Waves and Remote SensingTravaux en français237 207