Inter-comparison of state-of-the-art MSS and geoid models in the Arctic Ocean
Notice bibliographique
Résumé
State-of-the-art Arctic Ocean mean sea surface (MSS) and geoid models are used to support sea ice freeboard estimation from satellite altimeters, and for oceanographic studies. However, errors in a given model in the high frequency domain, e.g. due to unresolved gravity features, can result in errors in the estimated freeboard heights, especially in areas with a sparse lead distribution in consolidated ice conditions. Additionally these errors can impact ocean geostrophic current estimates and remaining biases in the models may impact longer-term, multi-sensor oceanographic time-series of sea level change.This study, part of the ESA CryoVal Sea Ice project, focuses on an inter-comparison of various state-of-the-art Arctic MSS models (UCL13/DTU13/ICEn) and commonly-used geoid models (EGM08). We show improved definition of gravity features, such as the Gakkel ridge, in the latest MSS models. We quantify remaining errors due to unresolved gravity features and inter-satellite biases within commonly-used models and we show the implications of these potential error sources on freeboard derivation. To identify and quantify the spatial effect of the unresolved features, primarily in the high-frequency domain, we combine a climatology of lead distributions with the gradient of the slope of the sea surface anomalies. The differences between the models are analyzed and used to support improvements in future models.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».