Data assimilation of Sea-ice motion vectors: Sensitivity to the parameterization of Sea-ice Strength
Notice bibliographique
Résumé
Abstract Data assimilation techniques are one method by which to improve the quality of model Simulations of Sea ice. The availability of daily gridded fields of Sea-ice motion makes this field one that can be readily assimilated. These fields are generally of higher resolution than forcing values Such as atmospheric wind which are used to drive the model, and on any given day may depict ice circulation that is dramatically different than what the model Solution represents. Typically, a blending method Such as optimal interpolation (OI) is used and corrections are applied to the initial modeled velocity field Such that the new Solution corresponds better with actual observations. However, care must be taken in Such a technique, as the corrections are not applied directly to the model physics, and the underlying physical assumptions in the ice dynamics may be violated. Previous Studies have Shown that improvements in the ice-motion Solution come at the cost of the quality of other modeled fields. The Strength parameterization in Sea-ice models controls the ice velocity in the model, and is obtained in part by comparison with observed motions. Here we investigate the Sensitivity of the Sea-ice model to variations in the Strength parameterization, and determine the effect of using data assimilation to impose observed velocities. We find that the alternation of the frictional loss parameter has limited effect on model performance. Rather, it is the assimilated data that overwhelm and degrade the Solution, bringing into question whether underlying physical assumptions in the model may be compromised.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».