Direct Assimilation of AMSR-E Brightness Temperatures for Estimating Sea Ice Concentration
Notice bibliographique
Résumé
Abstract In this paper a method to directly assimilate brightness temperatures from the Advanced Microwave Scanning Radiometer for Earth Observing System (AMSR-E) to produce ice concentration analyses within a three-dimensional variational data assimilation system is investigated. To assimilate the brightness temperatures a simple radiative transfer model is used as the forward model that maps the state vector to the observation space. This allows brightness temperatures to be modeled for all channels as a function of the total ice concentration, surface wind speed, sea surface temperature, ice temperature, vertically integrated water vapor, and vertically integrated cloud liquid water. The brightness temperatures estimated by the radiative transfer model are sensitive to the specified values for the sea ice emissivity. In this paper, two methods of specifying the sea ice emissivity are compared. The first uses a constant value for each polarization and frequency, while the second uses a simple emissivity parameterization. The emissivity parameterization is found to significantly improve the fit to the observations, reducing both the bias and the standard deviation. Results from the assimilation of brightness temperatures are compared with those from assimilating a retrieved ice concentration in the context of initializing a coupled ice–ocean model for an area along the east coast of Canada. It is found that with the emissivity parameterization the assimilation of brightness temperatures produces ice concentration analyses that are in slightly better agreement with operational ice charts than when assimilating an ice concentration retrieval, with the most significant improvements during the melt season.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».