Sizing the largest ocean waves using the SWOT mission
Notice bibliographique
Résumé
Winds generate waves over the oceans with a wide range of properties. The largest wave heights and periods are important parameters in the design of marine structures. Extreme waves also play an outsize role in air-sea fluxes and coastal dynamics, and leave imprints on seismic and sediment records. Rare events have so far escaped measurements, with few wave heights from satellite altimeters exceeding 16 m, and no associated measurement of wave periods. Here, we use swells radiated from storms to reveal long wave periods within the storms, and their generation mechanism. Swells are resolved in the Surface Water and Ocean Topography (SWOT) satellite sea level measurements. Patterns of increasing swell wavelength and decreasing swell height away from storms are consistent with a nonlinear transfer of energy from short to long period waves. We propose an updated parametric shape for wave spectra in storms that aligns with SWOT swell measurements. It reduces energy levels by a factor of 20 at 1.2 to 1.4 times the peak period compared to commonly used spectral shapes and allows estimation of storm wave periods from swell heights. Consistent with less extreme conditions, the peak period generally increases with wave height. This was particularly verified for the largest storm peak period of 20.2 [Formula: see text] 0.6 s, obtained for the event with the largest significant wave height 19.7 [Formula: see text] 0.3 m measured by altimeters. These observations of long period swells should have a wide range of applications from coastal dynamics to seismology.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 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 ».