MétaCan
Menu
Retour à la cohorte
Enregistrement W2914030774 · doi:10.1029/2018jc014682

Baroclinic Coupling Improves Depth‐Integrated Modeling of Coastal Sea Level Variations Around Puerto Rico and the U.S. Virgin Islands

2019· article· en· W2914030774 sur OpenAlexaff
William Pringle, Juan González-López, Brian R. Joyce, Joannes J. Westerink, A.J. van der Westhuysen

Notice bibliographique

RevueJournal of Geophysical Research Oceans · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésBaroclinityTide gaugeClimatologyOceanographyAnnual cycleEnvironmental scienceCoupling (piping)GeologySea levelMeteorologyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract This study applies a baroclinic‐coupled depth‐integrated modeling system to the North Atlantic Ocean, where an unstructured mesh is used to focus resolution down to ∼30 m along the coasts of Puerto Rico and the U.S. Virgin Islands. Ocean baroclinicity is incorporated through one‐way coupling from operational data‐assimilated Global Ocean Forecasting System 3.1 temperature and salinity fields at just 12% additional computational time. The main objectives are to provide a comprehensive analysis of observed and modeled coastal sea levels (spanning from seasonal to supertidal variations) in Puerto Rico and the U.S. Virgin Islands during 2017 and to evaluate the associated model performance with and without baroclinic coupling at 14 National Oceanic and Atmospheric Administration/National Ocean Service tide gauges deployed in the region. It is found that baroclinic coupling increases modeled energy across the entire frequency spectrum, which is more commensurate with observations. In particular, density‐driven effects such as the seasonal cycle and sea level setdown due to trailing cold wakes from passing hurricanes are largely reproduced. Supertidal shelf‐resonant seiching at one to two cycles per hour is observed and modeled at a number of locations, where excitation of these modes is often promoted by the baroclinic coupling. Baroclinicity improves the yearlong model skill at every tide gauge, where the mean total skill is increased from 87% to 93% accuracy (54% to 85% for the nontidal residual). In September 2017 during Hurricanes Irma and Maria, baroclinicity increases model skill at 10 out of 14 tide gauges even when the barotropic mode is adjusted to have no mean offset from the observations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,487

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,291
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research OceansMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207