Swish Floats: An Inexpensive Neutrally Buoyant Float to Monitor Dispersion in Coastal Seas
Notice bibliographique
Résumé
Abstract Neutrally buoyant floats have been widely used to measure flows in the ocean, but deploying them in large numbers can be costly and impractical. This is particularly true near coastlines due to the elevated risk of instrument grounding or vessel collisions, resulting in a lack of subsurface Lagrangian measurements in coastal regions. Here, we describe an inexpensive neutrally buoyant satellite-tracked float (named “Swallow-ish,” or “Swish” floats) that has been designed and tested as a cost-effective strategy to measure subsurface dispersion in coastal areas on time scales up to a month. These autonomous instruments are inexpensive, constructed at a material cost of CAD $300 per unit; lightweight, with a mass of 5.4 kg; isopycnal; and constructed from commercially available components, using recently available global navigation satellite system technology to provide the user with a point-to-point measure of subsurface transport. We describe the float design, ballasting techniques, and the governing equations that determine their behavior. Further, through 29 deployments in two coastal seas, we calculate an uncertainty budget and determine a ballasting error of ±1.6 g, corresponding to a local depth targeting error of 16–30 m, analyze the float resurfacing data to calculate subsurface dispersion coefficients, and examine the float depth records to quantify the local internal wave field. Finally, we evaluate surface dispersion using the postresurfacing trajectories. Our findings indicate that Swish floats offer a cost-effective alternative for Lagrangian measurements of subsurface flows in coastal regions.
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 | 0,002 |
| 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 ».