Assessment of the quality of the ozone measurements from the Odin/SMR instrument using data assimilation
Notice bibliographique
Résumé
Space-based remote-sensing instruments providing atmospheric measurements have different time and space resolutions, and coverage. This makes the direct comparison of the measurements very difficult. Data assimilation has proven to be a far more powerful tool than simple interpolation techniques to create three-dimensional analyzed fields for a given data set. In this paper, we describe how the assimilation of ozone data from the Odin/SMR instrument can be used to assess its precisions and biases against other ozone-measuring instruments. To assess the quality of Odin/SMR ozone retrievals by MOLIERE-5 against ozonesondes, Envisat/MIPAS, Earth Probe/TOMS, and UARS/HALOE data, we use a three-dimensional variational assimilation scheme applied to the Météo-France MOCAGE chemistry transport model. The MOCAGE-PALM assimilation system has been already used by Météo-France and CERFACS to analyse the Envisat/MIPAS data for the ASSET intercomparison exercise. We have further developed and calibrated the configuration of this system to better account for the Odin/SMR ozone profiles. The upgraded system is used to assimilate the Odin/SMR ozone during the August 2003 – November 2003 period and intercomparisons are made with the other ozone measuring techniques. The Odin/SMR analysis and the other ozone data sets are in good agreement at mid and high latitudes, while in the lower tropical stratosphere, we found a positive bias of the Odin/SMR, Envisat/MIPAS, and Earth Probe/TOMS data compared to measurements from UARS/HALOE and ozonesondes. The precision of Odin/SMR ozone retrievals in terms of standard deviation is about 20% in the tropics, below 10% at high southern latitudes, and below 5% at high northern latitudes. PACS No.: 82.33.Tb
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».