MétaCan
Menu
Retour à la cohorte
Enregistrement W6891589664 · doi:10.48336/d24j-bk13

Enhanced methods for surface current estimation from X-band radar data

2025· article· en· W6891589664 sur OpenAlexaff

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)RadarWavenumberDoppler effectNoise (video)Wave radarRadar imagingDoppler radar

Résumé

récupéré en direct d'OpenAlex

Estimating ocean surface currents accurately is crucial for a wide range of applications, including marine navigation, environmental monitoring, and coastal management. Traditional methods for measuring surface currents face challenges such as limited spatial coverage and sensitivity to environmental noise, making the development of more accurate and robust techniques a pressing need in oceanography. This thesis focuses on improving the accuracy and robustness of ocean surface current estimation using X-band radar image sequences by introducing two novel algorithms. In the first part of this thesis, a Symmetry of Doppler Shifts (SDS) method is introduced for retrieving surface current information from radar images. The method focuses on extracting the wave angular frequencies and corresponding wavenumbers from the radar image sequences. Then, Doppler shifts are calculated based on wavevectors that exhibit symmetry with respect to the origin in the wavenumber plane. These Doppler shifts are used to estimate both the speed and direction of surface currents. Simulations with synthetic data show that the SDS method achieves a root mean square error (RMSE) of 0.13 m/s for current speed and 1.4° for direction. The results indicate that the method performs with accuracy comparable to existing techniques under simulated conditions. The second part of this research builds on the SDS method by integrating it with an enhanced Polar Current Shell (PCS) algorithm. The improvements include the application of Kernel Density Estimation (KDE) for noise filtering, interquartile range filtering to remove outliers, and symmetry-based noise reduction. The modified PCS method also employs a single curve-fitting process, analyzing all wavenumbers in the PCS domain collectively rather than individually. The improved algorithm was validated with both simulated data and real-world radar data from a Decca radar (2008) and a Koden radar (2017). Results show that the modified PCS method reduces the RMSE for speed by 0.06 m/s and direction by 3.8° for the Decca radar, and by 0.02 m/s for speed and 4.6° for direction for the Koden radar, compared to the original PCS method.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,056
Tête enseignante GPT0,329
Écart entre enseignants0,273 · 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'étudeAutre devis
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetOcean Waves and Remote SensingTravaux en français237 207