MétaCan
Menu
Retour à la cohorte
Enregistrement W2081119453 · doi:10.1080/07055900.2014.922240

Reducing Drift and Bias of a Global Ocean Model by Frequency-Dependent Nudging

2014· article· en· W2081119453 sur OpenAlexafffundvenue
Zhongjie He, Keith R. Thompson, Harold Ritchie, Youyu Lu, F. Dupont

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans CanadaEnvironment and Climate Change CanadaDalhousie University
Organismes subventionnairesMinistère de la Défense Nationale
Mots-clésArgoAltimeterTemperature salinity diagramsEnvironmental scienceClimatologySea surface temperatureSalinityGlobal temperatureAtmosphere (unit)Atmospheric sciencesMeteorologyClimate changeGeologyOceanographyGlobal warmingGeography

Résumé

récupéré en direct d'OpenAlex

Frequency-dependent nudging is applied to a coarse resolution (nominal 1°) global ocean model to suppress its drift and bias, and the impact of the nudging on the skill of the model is assessed. The nudging is applied to temperature and salinity in frequency bands centred on 0 and 1 cycles per year. As expected, the nudging significantly reduces the biases in the long-term mean and annual cycle of temperature, salinity, and sea level. By comparing the simulated (i) sea surface temperature with operational analyses based on observations, (ii) vertical profiles of temperature and salinity with observations made by Argo floats, and (iii) sea level with altimeter observations, it is shown that the skill of the model in simulating variability about the annual cycle is also improved. The potential benefit of applying frequency-dependent nudging to the ocean component of a coupled atmosphere–ocean model is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,203
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207