Zobrazeno 1 - 10
of 25
pro vyhledávání: '"sea surface wind speed retrieval"'
Publikováno v:
Journal of Marine Science and Engineering, Vol 12, Iss 10, p 1881 (2024)
Wind is one of the important environmental factors influencing marine target detection as it is the source of sea clutter and also affects target motion and drift. The accurate estimation of wind speed is crucial for developing an efficient machine l
Externí odkaz:
https://doaj.org/article/36bff303c2bf450683f4967a2613881f
Autor:
Yuko Takeyama, Shota Kurokawa
Publikováno v:
Atmosphere, Vol 15, Iss 6, p 686 (2024)
In the present study, a new geophysical model function (GMF) is developed for the X-band synthetic aperture radar (SAR) on board the Advanced Satellite with New System Architecture for Observation-2 (ASNARO-2) to retrieve accurate offshore wind speed
Externí odkaz:
https://doaj.org/article/d3fd92c05b8a4c41b7c4e42d710db615
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Xiaoxu Liu, Weihua Bai, Junming Xia, Feixiong Huang, Cong Yin, Yueqiang Sun, Qifei Du, Xiangguang Meng, Congliang Liu, Peng Hu, Guangyuan Tan
Publikováno v:
Remote Sensing, Vol 13, Iss 23, p 4820 (2021)
Based on deep learning, this paper proposes a new hybrid neural network model, a recurrent deep neural network using a feature attention mechanism (FA-RDN) for GNSS-R global sea surface wind speed retrieval. FA-RDN can process data from the Cyclone G
Externí odkaz:
https://doaj.org/article/10f95b2c19574b279b7690d4d5f74ec8
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Remote Sensing, Vol 11, Iss 7, p 813 (2019)
In this paper, the sea surface wind speed (SSWS) retrieval from Gaofen-3 (GF-3) quad-polarization stripmap (QPS) data in vertical-vertical (VV), horizontal-horizontal (HH), and vertical-horizontal (VH) polarizations is investigated in detail based on
Externí odkaz:
https://doaj.org/article/36c0cb6db92142d086eddd6e66cfe0a5
Publikováno v:
Remote Sensing, Vol 5, Iss 4, Pp 1956-1973 (2013)
This work discusses the accuracies of geophysical model functions (GMFs) for retrieval of sea surface wind speed from satellite-borne Synthetic Aperture Radar (SAR) images in Japanese coastal waters characterized by short fetches and variable atmosph
Externí odkaz:
https://doaj.org/article/31da3422a39c49dd9f491f1ba5f98fca
Autor:
Feixiong Huang, Junming Xia, Guangyuan Tan, Yin Cong, Yueqiang Sun, Xiangguang Meng, Congliang Liu, Weihua Bai, Qifei Du, Xiaoxu Liu, Hu Peng
Publikováno v:
Remote Sensing
Volume 13
Issue 23
Pages: 4820
Remote Sensing, Vol 13, Iss 4820, p 4820 (2021)
Volume 13
Issue 23
Pages: 4820
Remote Sensing, Vol 13, Iss 4820, p 4820 (2021)
Based on deep learning, this paper proposes a new hybrid neural network model, a recurrent deep neural network using a feature attention mechanism (FA-RDN) for GNSS-R global sea surface wind speed retrieval. FA-RDN can process data from the Cyclone G
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6dfcf11a1cbb755f4e6fd5a7f4bb67b7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.