Sea‐surface temperature and salinity product comparison against external in situ data in the <scp>A</scp>rctic <scp>O</scp>cean
Notice bibliographique
Résumé
Abstract Sea‐surface temperature and salinity (SST/S) in the Arctic Ocean (AO) are largely governed by sea‐ice and continental runoff rather than evaporation and precipitation as in lower latitude oceans, and global satellite analyses and models which incorporate remotely observed SST/S may be inaccurate in the AO due to lack of direct measurements for calibrating satellite data. For this reason, we are motivated to validate several satellite sea‐surface temperature (SST) data products and SST/S models by comparing gridded data in the AO with oceanographic records from 2006 to 2013. Statistical analysis of product‐minus‐observation differences reveals that the satellite SST products considered have a temperature bias magnitude of less than 0.5 C compared to ship‐based CTD measurements, and most of these biases are negative in sign. SST/S models also show an overall negative temperature bias, but no common sign or magnitude of salinity bias against CTD data. Ice tethered profiler (ITP) near‐surface data span the seasons of several years, and these measurements reflect a sea‐ice dominated region where the ocean surface cannot be remotely observed. Against this data, many of the considered models and products show large errors with detectable seasonal differences in SST bias. Possible sources of these errors are discussed, and two adjustments of product SST on the basis of sea‐ice concentration are suggested for reducing bias to within less than 0.01 C of ITP near‐surface temperatures.
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 | 0,007 | 0,006 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».