Assimilation of SST data in the POSEIDON system using the SOSSTA statistical-dynamical observation operator
Notice bibliographique
Résumé
Abstract. In spite of their long-standing availability, the optimal assimilation of sea surface temperature (SST) observations retrieved from infrared and microwave space-borne sensors is still challenging in oceanographic forecast systems. One prominent problem stems from the fact that ocean general circulation models do not resolve the diurnal variability of SST data as measured by satellites. In order to improve SST data assimilation schemes and enhance the exploitation of swath SST data, an observation operator capable of representing the SST diurnal cycle is introduced and called SOSSTA. Firstly, a one-dimensional turbulence model is used to produce a data set of upper ocean temperature profiles with corresponding skin and subskin SSTs. A canonical correlation analysis is then used to extract the maximally correlated modes of variability between temperatures at depth and skin/subskin SST, conditioned to atmospheric state (insolation and wind speed). These canonical correlations form the novel observation operator, which is implemented in the POSEIDON model forecasting system (Aegean Sea) to test the assimilation of daytime SST retrievals from the SEVIRI infrared radiometer. Comparison of misfits (off-line assessment) suggests that the new operator outperforms the mere use of the first model level to calculate SST innovations. Real-world data assimilation experiments indicate that the use of the SOSSTA operator is beneficial to the skill scores and in particular improves the sea surface height analysis and forecast skill scores, whose improvement is maintained throughout a one year long experiment.
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 | 0,000 | 0,001 |
| 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 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 ».