Assimilating Retrievals of Sea Surface Temperature from VIIRS and AMSR2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Experiments are carried out to assess the potential contributions of two new satellite datasets, derived from the Visible Infrared Imaging Radiometer Suite (VIIRS) on board the Suomi–National Polar-Orbiting Partnership satellite and the Advanced Microwave Scanning Radiometer 2 (AMSR2) on board the Global Change Observation Mission–Water ( GCOM-W ) satellite, to the quality of global sea surface temperature (SST) analyses at the Canadian Meteorological Centre (CMC). The new datasets are assimilated both separately and together. Verification of the analyses against independent data shows that the VIIRS and AMSR2 datasets yield analyses with similar global average errors, with the VIIRS analysis performing better during some seasons and the AMSR2 analysis performing better in others. Seasonal cloudiness in some regions diminishes the availability of VIIRS retrievals, resulting in better performance by the AMSR2 analysis. Both datasets were assimilated together along with data from the Advanced Very High Resolution Radiometer (AVHRR), ice data, and in situ data in an updated version of the CMC analysis produced on a 0.1° grid. Verification against independent data shows that the new analysis performed very well, with global average standard deviation consistently better than that of the international Group for High Resolution SST (GHRSST) Multiproduct Ensemble (GMPE) real-time system. This analysis is shown to outperform the currently operational CMC SST analysis, with most of the improvement being due to its assimilation of the VIIRS and AMSR2 retrievals and a further small gain being due to changes to the analysis methodology (including higher resolution).
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.
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) | 0,000 | 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 découle