Comparison of observed and predicted reflection loss in the Beaufort Sea using a multilayer, rough, acousto-elastic reflection coefficient model
Notice bibliographique
Résumé
The Canada Basin Acoustic Propagation Experiment (CANAPE) conducted during 2016–2017 utilized a 150-km radius, seven-mooring acoustic tomography array to examine acoustic propagation in the new Arctic. Broadband acoustic transmissions with center frequencies of 172.5, 250–255, and 275 Hz revealed identifiable and trackable ray-like arrivals with grazing angles of 10–20 degrees that reflect off the ice 3–10 times. Worcester et al. (2024) [J. Acoust. Soc. Am. 156, 4181–4192] showed that the maximum excess transmission loss per surface reflection, defined as the increase in transmission loss relative to open water conditions, varies from 2–6 dB and is strongly frequency and angle dependent. The loss scales roughly with ice thickness. We have developed a four-layer (water, skeletal ice, solid ice, and air), acousto-elastic reflection loss model that incorporates roughness using the Rayleigh formula. When combined with in-situ observations of ice thickness and roughness, as well as physical parameters for ice from literature, the model shows good agreement with the observations during the maximum ice thickness period in June. Comparisons will be made for the ice growth and melting phases, sensitivity to ice parameters will be investigated, and the results will be interpreted in terms of first year ice rheology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».