Properties of variational data assimilation for synthetic aperture radar wind retrieval
Notice bibliographique
Résumé
The quality of marine wind vector retrieved from variational data assimilation (VAR) of Synthetic Aperture Radar (SAR) backscatter observation is assessed. It is found that the observation is most sensitive to wind speed. The retrieved wind direction from VAR is largely influenced by background wind direction and most of the SAR observation variability is assigned to wind speed. Non‐linearity of the Geophysical Model Function (GMF) introduces wind speed bias, modulated by wind direction anisotropy (up‐downwind/crosswind difference). The examination of the background wind vector departure from observation reveals two regimes: a quasi‐linear response to wind direction for high background wind speed; and a rather monotonic response with two sharp transitions located at crosswind directions for low background wind speed. Information content of SAR observation is estimated using the entropy reduction approach, both analytically and from Monte‐Carlo simulations. Crosswind directions have the lowest information content and correspond to those where non‐linearity introduces largest discrepancies between analytic and Monte‐Carlo estimations. The linear approximation of the GMF needed in the incremental VAR formulation is examined. The retrieved winds using the incremental formulation are in good agreement with those using the non‐linear GMF. Monte‐Carlo simulations reveal specific situations, around sharp transitions at crosswind directions, where both linear and non‐linear VAR formulations may produce more noise than extract information form 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 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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».