Assessing the Impact of Different Ocean Analysis Schemes on Oceanic and Underwater Acoustic Predictions
Notice bibliographique
Résumé
Abstract Assimilating oceanic observations into prediction systems is an advantageous approach for real‐time ocean environment characterization. However, its benefits to underwater acoustic predictions are not trivial due to the nonlinearity and sensitivity of underwater acoustic propagation to small‐scale oceanic features. In order to assess the potential of oceanic data assimilation, integrated ocean‐acoustic Observing System Simulation Experiments are conducted. Synthetic altimetry and in situ data were assimilated through a variational oceanographic data assimilation system. The predicted sound speed fields are then ingested in a range‐dependent acoustic model for transmission loss (TL) predictions. The predicted TLs are analyzed for the purpose of (i) evaluating the contributions of different sources to the uncertainties of oceanic and acoustic forecasts and (ii) comparing the impact of different oceanic analysis schemes on the TL prediction accuracy. Using ensemble member clustering techniques, the contributions of boundary conditions, ocean parameterizations, and geoacoustic characterization to acoustic prediction uncertainties are addressed. Subsequently, the impact of three‐dimensional variational (3DVAR), 4DVAR, and hybrid ensemble‐3DVAR data assimilation on acoustic TL prediction at two signal frequencies (75 and 2,500 Hz) and different ranges (30 and 60 km) are compared. 3DVAR significantly improves the predicted TL accuracy compared to the control run. Promisingly, 4DVAR and hybrid data assimilation further improve the TL forecasts, the hybrid scheme achieving the highest skill scores for all cases, while being the most computationally intensive scheme. The optimal scheme choice thus depends on requirements on the accuracy and computational constraints. These findings foster developments of coupled data assimilation for operational underwater acoustic propagation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».