Ensemble Size, Balance, and Model-Error Representation in an Ensemble Kalman Filter*
Notice bibliographique
Résumé
The ensemble Kalman filter (EnKF) has been proposed for operational atmospheric data assimilation.Some outstanding issues relate to the required ensemble size, the impact of localization methods on balance, and the representation of model error.To investigate these issues, a sequential EnKF has been used to assimilate simulated radiosonde, satellite thickness, and aircraft reports into a dry, global, primitive-equation model.The model uses the simple forcing and dissipation proposed by Held and Suarez.It has 21 levels in the vertical, includes topography, and uses a 144 ϫ 72 horizontal grid.In total, about 80 000 observations are assimilated per day.It is found that the use of severe localization in the EnKF causes substantial imbalance in the analyses.As the distance of imposed zero correlation increases to about 3000 km, the amount of imbalance becomes acceptably small.A series of 14-day data assimilation cycles are performed with different configurations of the EnKF.Included is an experiment in which the model is assumed to be perfect and experiments in which model error is simulated by the addition of an ensemble of approximately balanced model perturbations with a specified statistical structure.The results indicate that the EnKF, with 64 ensemble members, performs well in the present context.The growth rate of small perturbations in the model is examined and found to be slow compared with the corresponding growth rate in an operational forecast model.This is partly due to a lack of horizontal resolution and partly due to a lack of realistic parameterizations.The growth rates in both models are found to be smaller than the growth rate of differences between forecasts with the operational model and verifying analyses.It is concluded that model-error simulation would be important, if either of these models were to be used with the EnKF for the assimilation of real observations.*This paper is dedicated to the memory of Dr. Roger Daley, whose scientific insight and congeniality will be sorely missed.The understanding of balance in atmospheric models and the application of Kalman filter theory to atmospheric data assimilation are two of the areas in which Dr. Daley made important contributions.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».