KI-Beratung Beta

Produktbild: Tsunami Data Assimilation for Early Warning

Tsunami Data Assimilation for Early Warning

Aus der Reihe Springer Theses

164,99 €

inkl. gesetzl. MwSt.

Beschreibung

This book focuses on proposing a tsunami early warning system using data assimilation of offshore data. First, Green's Function-based Tsunami Data Assimilation (GFTDA) is proposed to reduce the computation time for assimilation. It can forecast the waveform at Points of Interest (PoIs) by superposing...

Beschreibung

This book focuses on proposing a tsunami early warning system using data assimilation of offshore data. First, Green's Function-based Tsunami Data Assimilation (GFTDA) is proposed to reduce the computation time for assimilation. It can forecast the waveform at Points of Interest (PoIs) by superposing Green's functions between observational stations and PoIs. GFTDA achieves an equivalently high accuracy of tsunami forecasting to the previous approaches, while saving sufficient time to achieve an early warning. Second, a modified tsunami data assimilation method is explored for regions with a sparse observation network. The method uses interpolated waveforms at virtual stations to construct the complete wavefront for tsunami propagation. Its application to the 2009 Dusky Sound, New Zealand earthquake, and the 2015 Illapel earthquake revealed that adopting virtual stations greatly improved the tsunami forecasting accuracy for regions without a dense observation network. Finally, a real-time tsunami detection algorithm using Ensemble Empirical Mode Decomposition (EEMD) is presented. The tsunami signals of the offshore bottom pressure gauge can be automatically separated from the tidal components, seismic waves, and background noise. The algorithm could detect tsunami arrival with a short detection delay and accurately characterize the tsunami amplitude. Furthermore, the tsunami data assimilation approach is combined with the real-time tsunami detection algorithm, which is applied to the tsunami of the 2016 Fukushima earthquake. The proposed tsunami data assimilation approach can be put into practice with the help of the real-time tsunami detection algorithm.

Produktdetails

Format

PDF

Kopierschutz

Nein

Family Sharing

Nein

Text-to-Speech

Nein

Produktdetails

Format

PDF

Format

eBooks im PDF-Format haben eine festgelegte Seitengröße und eignen sich daher nur bedingt zum Lesen auf einem tolino eReader oder Smartphone. Für den vollen Lesegenuss empfehlen wir Ihnen bei PDF-eBooks die Verwendung eines Tablets oder Computers.

Kopierschutz

Nein

Kopierschutz

Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie, allen sonstigen eReadern und am PC lesen. Das eBook ist nicht kopiergeschützt und kann ein personalisiertes Wasserzeichen enthalten. Weitere Hinweise zum Lesen von eBooks mit einem personalisierten Wasserzeichen finden Sie unter Hilfe/Downloads.

Family Sharing

Nein

Family Sharing

Mit Family Sharing können Sie eBooks innerhalb Ihrer Familie (max. sechs Mitglieder im gleichen Haushalt) teilen. Sie entscheiden selbst, welches Buch Sie mit welchem Familienmitglied teilen möchten. Auch das parallele Lesen durch verschiedene Familienmitglieder ist durch Family Sharing möglich. Um eBooks zu teilen oder geteilt zu bekommen, muss jedes Familienmitglied ein Konto bei Thalia oder einem anderen tolino-Buchhändler haben. Weitere Informationen finden Sie unter Hilfe/Family-Sharing.

Text-to-Speech

Nein

Text-to-Speech

Bedeutet Ihnen Stimme mehr als Text? Mit der Funktion Text-to-Speech können Sie sich im tolino webReader und in der aktuellen Thalia – Lesen & Hören App das eBook vorlesen lassen. Weitere Informationen finden Sie unter Hilfe/Text-to-Speech.

Erscheinungsdatum

26.10.2022

Verlag Springer Nature Singapore
Seitenzahl

97 (Printausgabe)

Dateigröße

4960 KB

Sprache

Englisch

EAN

9789811973390

Barrierefreiheit
  • alle zum Verständnis notwendigen Inhalte sind über Screenreader zugänglich
  • navigierbares Inhaltsverzeichnis
  • logische Lesereihenfolge eingehalten
  • kurze Alternativtexte (z.B. für Abbildungen) vorhanden
  • hoher Kontrast zwischen Text und Hintergrund
  • keine Vorlesefunktionen des Lesesystems deaktiviert
  • Inhalt auch ohne Farbwahrnehmung verständlich dargestellt
  • Navigation über vorher / nachher Elemente

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Weitere Artikel finden Sie in

  • Produktbild: Tsunami Data Assimilation for Early Warning