Assimilating long‐term hydrographic information into an eddy‐permitting model of the North Atlantic
Notice bibliographique
Résumé
The utility of a new technique for assimilating long‐term hydrographic information into eddy‐permitting ocean models is demonstrated using the Parallel Ocean Program (POP) applied to the North Atlantic. Robust diagnostic and standard prognostic simulations of the North Atlantic yield results similar to those obtained in earlier studies and the differences between them emphasize the need for data assimilation. The basic idea of the new technique is to add correction terms to the model equations that directly influence the model solution only in prescribed frequency and wave number bands, leaving the variations outside of these bands free to evolve prognostically. For this reason the technique is referred to as spectral nudging. We consider two approaches for constraining eddy‐permitting models based on observed long‐term hydrographic conditions. In the first approach, the model's temperature and salinity climatologies are spectrally nudged toward observed values using restoring terms in the tracer equations; in the second, correction terms are added to the momentum equations. Both approaches result in significant improvements in the model's climatology, as expected. Both approaches also result in more realistic meso‐scale eddy fields. However, for the simulations considered here, spectral nudging in the tracer equations generally provides better results than nudging in the momentum equations. An examination of the relationship between the two approaches reveals that this result might be expected to also occur in other model simulations but this is achieved at the cost of increased constraints placed on model dynamics within the nudged frequency and wave number bands.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».