Sizing the largest ocean waves using the SWOT mission
Notice bibliographique
Résumé
gives a more peaky spectrum. 35Observations of ocean waves show that both Hs and Tp grow 36 as the wave field develops.The two variables are correlated 37 and this is generally well reproduced by numerical models 38 for average conditions, for which we have measurements, but 39 it also holds for modeled extremes (Fig. 1C).For a given 40 value of Tp, Hs may vary by ±10%, with larger wave heights 41 corresponding to stronger wind forcing.Toba (12) proposed 42 an empirical law that predicts Hs from the wind speed and 43 peak period, that is well reproduced by models (Fig. 1D).44 For example, tropical cyclones (TCs) have the highest wind 45 speeds and for a given wave height their peak periods can be 46 10% shorter than those of extratropical storms (ETSs): the 47 modeled wave spectra in TCs are more peaky than those in 48 ETSs. 49 Significance StatementSwells travel across ocean basins, retaining precious information about extreme storm waves that elude direct observation.Using precise sea level measurements from the SWOT satellite, we measure swell heights and lengths, and find that the long waves in the largest storms draw their energy from steep shorter waves, enabling storm waves to reach phenomenal heights.These long waves then radiate outward as swell.Swell measurements thus reveal properties of extreme storm waves, including their dominant period.Our analysis corrects a 20-fold overestimation in empirical expressions for the energies of the longest ocean waves, providing a new awareness of ocean wave properties, with immediate applications to marine meteorology, ocean and coastal engineering, and the interpretation of ocean-generated seismic signals.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».