Sea state measurements from TS-X SAR data \n \n
Notice bibliographique
Résumé
An empirical algorithm XWAVE to derive significant wave height from high resolution TerraSAR-X (TS-X) and \nTandem-X (TD-X) has been developed. The algorithm is created especially for spaceborne X-band SAR data without \nneeding a priori information. TS-X scenes were acquired in the over buoys located at the coast of United States of \nAmerica and Canada and including Hawaii islands. Integral wave parameters are estimated from TS-X and TD-X data \nby integration two-dimensional image spectra and using geophysical function, for which the parameters are calibrated. \nTS-X Stripmap images and in-situ buoy measurements data is used to tune geophysical model parameters. The tuning is \ncarried out by comparisons of integral wave parameters as wave height, peak period and direction (1) and by the shape \nof 1-D in-situ measured spectra and 1-D integrated image spectra (2). The results show that the model can yield sea \nstate measurements up to 5m significant wave height by TS-X SAR with an scatter index of 0.21 . The model can be \nused for the near real-time services to deliver sea state measurements
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,153 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».