Convergence Issues in the Estimation of Interchannel Correlated Observation Errors in Infrared Radiance Data
Notice bibliographique
Résumé
Abstract A posteriori consistency diagnostics have been used in recent years to estimate correlated observation error. These diagnostics provide an estimate of what the observation error covariances should be and could, in turn, be introduced in the assimilation to improve the statistical consistency between the error statistics used in the assimilation and those obtained from observation departures with respect to the background and the analysis. To estimate the observation error covariances, it is often assumed that the background error statistics are optimal, an assumption that is open to criticism. The consequence is that if the background error covariances are in error, then the estimated observation error statistics will adjust accordingly to fit the innovation error covariances. In this paper, the RTTOV radiative transfer model is used as the observation operator. Using controlled experiments, the background error is considered fixed, and it is shown that the iterative procedure to estimate the observation error may require more than one iteration. It is also shown that the underlying matrix equation being solved can be factorized, and the exact solution can be obtained. If the true background error covariances are used in the assimilation, the estimated observation error covariances are then obtained by subtracting the background error covariances from those of the innovations. This can be applied to the full set of assimilated observations. Using the Environment Canada assimilation system, the results for several types of observations indicate that the background error estimation would deserve additional attention.
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 | 0,017 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| 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 ».