Sensitivity of retrieved atmospheric profiles from infrared radiances to physical and statistical parameters of the data assimilation system
Notice bibliographique
Résumé
Abstract The direct assimilation of satellite radiances is now operational in a few forecast centres, providing global temperature (T) and moisture (Q) information. The critical parameters which influence the quality of the resulting analysis are mainly the selection of channels, the respective errors of the background field and radiance observations, and the quality of the radiative transfer model. These various aspects are studied from sensitivity experiments based on 1‐D variational assimilations using the ensemble of 19 infrared channels (HIRS) of the NOAA‐14 satellite. It is shown that significant improvements in the retrievals would be obtained if the radiance observation error (measurement plus radiative transfer), currently estimated to be about equal to that of the background (in radiance units), were decreased. This could in principle be achieved by improving the forward radiative transfer model (RTM). Two RTMs suitable for radiance assimilation are compared in terms of analyzed increments, Jacobians, brightness temperature and equivalent background error. Important differences are noted for all of these interrelated measures. The existence of air‐mass dependent biases of fast radiative transfer models of the order of 1.5 K is confirmed in several channels from additional comparison with a line‐by‐line model. The importance of correctly specifying surface emissivity and the effective angle for downward calculations is demonstrated. The paper also evaluates, in some detail, the impact of uncertainties on the background error covariance matrix. The uncertainty on the skin temperature (TJ error affects mostly the retrieval of that parameter; it has a modest impact on the T and Q profiles in the low troposphere. The uncertainty on the Q‐Q elements has more impact than that on the T‐T elements. Off‐diagonal elements of the background error covariance matrix are very important as they impose smoothness and level‐to‐level consistency, especially for Q retrievals. Finally, Ts‐T correlations, often ignored, could result in significant improvements in the retrieval of temperature at low levels. Research issues are discussed in the conclusion.
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 | 0,000 | 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) | 0,001 | 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 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 ».