MétaCan
Menu
Retour à la cohorte
Enregistrement W2144937136 · doi:10.1002/qj.1982

Evaluation of an operational ice–ocean analysis and forecasting system for the Gulf of St Lawrence

2012· article· en· W2144937136 sur OpenAlexafffundabout
G. C. Moore Smith, François Roy, Bruce Brasnett

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesGovernment of Canada
Mots-clésData assimilationSea iceClimatologyEnvironmental scienceMeteorologySatelliteSea ice concentrationTemperature salinity diagramsSea surface temperatureSea ice thicknessOceanographyGeologySalinityCryosphereGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Our ability to simulate and understand oceanic conditions of the Gulf of St Lawrence (GSL) has significantly increased in the last decade with the development of regional ocean models combining scientific knowledge, oceanographic data, and computing techniques. This has created opportunities for their integration with meteorological forecast models where the importance of sea ice–ocean dynamics in air–sea exchanges was recently demonstrated. In order to produce accurate initial conditions for coupled weather forecasts, a GSL ice–ocean ‘pseudo’ analysis (IOPA) system has been developed and implemented operationally at the Canadian Meteorological Centre (CMC). Based on prognostic ice–ocean model solutions the IOPA system has sufficient skill to produce realistic daily fields without flux correction or data assimilation of temperature and salinity. Using only a simple assimilation method for sea‐ice data, daily oceanic fields are obtained and can be used to initialize ice–ocean or coupled atmospheric forecasting systems. A 3‐year retrospective evaluation of this operational method is presented focusing on sea‐surface temperature (SST) and sea‐ice conditions. Model estimates are compared with in situ and satellite‐derived data. Results show that the IOPA system has an accuracy equivalent to or better than the current operational SST and ice analyses produced at the CMC. Together with preceding modelling efforts, this work lays the foundation for the first state‐of‐the‐art GSL ocean analysis and forecast systems combining ocean modelling and real‐time three‐dimensional data assimilation. Coupled atmosphere–ice–ocean forecasts produced with the same ice–ocean model and initialized with the IOPA system are presented in a companion paper. Copyright © 2012 Crown in the right of Canada. Published by John 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,926

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,254
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations52
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207