AVHRR GAC SST Reanalysis Version 1 (RAN1)
Notice bibliographique
Résumé
In response to its users’ needs, the National Oceanic and Atmospheric Administration (NOAA) initiated reanalysis (RAN) of the Advanced Very High Resolution Radiometer (AVHRR) Global Area Coverage (GAC; 4 km) sea surface temperature (SST) data employing its Advanced Clear Sky Processor for Oceans (ACSPO) retrieval system. Initially, AVHRR/3 data from five NOAA and two Metop satellites from 2002 to 2015 have been reprocessed. The derived SSTs have been matched up with two reference SSTs—the quality controlled in situ SSTs from the NOAA in situ Quality Monitor (iQuam) and the Canadian Meteorological Centre (CMC) L4 SST analysis—and analyzed in the NOAA SST Quality Monitor (SQUAM) online system. The corresponding clear-sky ocean brightness temperatures (BT) in AVHRR bands 3b, 4 and 5 (centered at 3.7, 11, and 12 µm, respectively) have been compared with the Community Radiative Transfer Model simulations in another NOAA online system, Monitoring of Infrared Clear-sky Radiances over Ocean for SST (MICROS). For some AVHRRs, the time series of “AVHRR minus reference” SSTs and “observed minus model” BTs are unstable and inconsistent, with artifacts in the SSTs and BTs strongly correlated. In the official “Reanalysis version 1” (RAN1), data from only five platforms—two midmorning (NOAA-17 and Metop-A) and three afternoon (NOAA-16, -18 and -19)—were included during the most stable periods of their operations. The stability of the SST time series was further improved using variable regression SST coefficients, similarly to how it was done in the NOAA/NASA Pathfinder version 5.2 (PFV5.2) dataset. For data assimilation applications, especially those blending satellite and in situ SSTs, we recommend bias-correcting the RAN1 SSTs using the newly developed sensor-specific error statistics (SSES), which are reported in the product files. Relative performance of RAN1 and PFV5.2 SSTs is discussed. Work is underway to improve the calibration of AVHRR/3s and extend RAN time series, initially back to the mid-1990s and later to the early 1980s.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».