Assimilation of Infrared Radiances in the Context of Observing System Simulation Experiments
Notice bibliographique
Résumé
Abstract The Observing System Simulation Experiment (OSSE) capability developed at Environment Canada allows simulation of all observation types currently used operationally as well as future data types. Its infrastructure, based on the operational global data assimilation system used at the Canadian Meteorological Centre, was recently enhanced to conduct data assimilation experiments for two future satellite missions. This study presents a subcomponent of that system, focusing on the assimilation of infrared radiances from the Atmospheric Infrared Sounder (AIRS) and Infrared Atmospheric Sounding Interferometer (IASI) instruments. The goal is to realistically simulate the radiance observations and to reproduce statistical characteristics of these data seen in the real system, notably background and analysis departures. Care is taken to emulate the operational quality control procedures leading to the assimilation of clear radiances, which implies radiance simulation for all-sky conditions. It is found that the standard deviation of the Gaussian random perturbation applied to the simulated observations should be close to that of the radiometric noise level for sounding channels in the 13.0–14.5- μ m region but that it should be significantly higher for water vapor channels in the 5.5–6.7- μ m region. The study also allows evaluation of residual biases linked to cloud contamination. For atmospheric window channels, that bias can reach −0.4 K. It reduces rapidly with peak height of the channel response function. This suggests that improvements are needed in low-cloud detection. The realism of the OSSE is further demonstrated through the shown impact consistency of AIRS and IASI radiance assimilation in forecasts up to 5 days from the separate use of simulated and real observations.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».