MétaCan
Menu
Retour à la cohorte
Enregistrement W2110064501 · doi:10.1002/qj.294

Use of Canadian Quick covariances in the Met Office data assimilation system

2008· article· en· W2110064501 sur OpenAlexaboutno aff
D. R. Jackson, M. Keil, B. J. Devenish

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesGoddard Space Flight CenterNational Aeronautics and Space Administration
Mots-clésData assimilationStratosphereMeteorologyEnvironmental scienceAssimilation (phonology)TroposphereBootstrapping (finance)ClimatologyComputer scienceLatitudeMathematicsEconometricsGeologyGeographyGeodesy

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we describe the use of Canadian Quick (CQ) covariances in the Met Office assimilation system. These covariances have two particular advantages over other methods (such as the National Meteorological Center (NMC) method). First, they are calculated from a single long forecast run, rather than a series of short forecasts, and thus are much quicker to produce. Second, in cases where the vertical range of the assimilation system increases, they can be used immediately. Here, we compare the performance of CQ and NMC covariances in a troposphere/stratosphere configuration of the Met Office assimilation system. The forecast model used has 50 levels from the surface to 63 km. In general, the performance of the two covariances is similar. However, it is clear that a consequence of the bootstrapping approach that was used to develop the NMC covariances is noisy patterns in the error covariances which adversely affects mean errors, particularly in the winter middle and high latitudes above the 10 hPa level. In addition, the NMC covariances show evidence of gravity waves, which appear to have been generated spuriously by the 3D‐Var assimilation due to lack of dynamical balance in the 3D‐Var analyses. Such signals are absent in the trials where CQ covariances are used. The CQ method was also used to generate covariances for expanded versions of the model which spans the surface to around 80–84 km. Trial results are generally in good agreement with Earth Observing System Microwave Limb Sounder (EOS MLS) correlative measurements. Through this work, the CQ approach is proving to be a very effective tool for developing and testing new models which will be used to provide operational weather forecasts at the Met Office. The results show that the CQ approach is a quick and effective alternative to the NMC method, and can produce similar or sometimes better results. It is a particularly useful tool in the development of new assimilation systems. © Crown Copyright 2008 Reproduced with the permission of Her Majesty's St ationery Office. Published by J ohn Wiley & Sons, Ltd

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,212
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,116
Tête enseignante GPT0,244
Écart entre enseignants0,128 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207