MétaCan
Menu
Retour à la cohorte
Enregistrement W3051801039 · doi:10.5194/gmd-14-2525-2021

The Environment and Climate Change Canada Carbon Assimilation System (EC-CAS v1.0): demonstration with simulated CO observations

2021· article· en· W3051801039 sur OpenAlexafffundabout
Vikram Khade, Saroja Polavarapu, Michael Neish, P. L. Houtekamer, Dylan B. A. Jones, Seung-Jong Baek, Tai‐Long He, Sylvie Gravel

Notice bibliographique

RevueGeoscientific model development · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of TorontoEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésData assimilationSpurious relationshipEnvironmental scienceKalman filterEnsemble Kalman filterMeteorologyClimatologyComputer scienceAtmospheric sciencesExtended Kalman filterGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. In this study, we present the development of a new coupled weather and carbon monoxide (CO) data assimilation system based on the Environment and Climate Change Canada (ECCC) operational ensemble Kalman filter (EnKF). The estimated meteorological state is augmented to include CO. Variable localization is used to prevent the direct update of meteorology by the observations of the constituents and vice versa. Physical localization is used to damp spurious analysis increments far from a given observation. Perturbed surface flux fields are used to account for the uncertainty in CO due to errors in the surface fluxes. The system is demonstrated for the estimation of three-dimensional CO states using simulated observations from a variety of networks. First, a hypothetically dense, uniformly distributed observation network is used to demonstrate that the system is working. More realistic observation networks, based on surface hourly observations, and space-based observations provide a demonstration of the complementarity of the different networks and further confirm the reasonable behavior of the coupled assimilation system. Having demonstrated the ability to estimate CO distributions, this system will be extended to estimate surface fluxes in the future.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,096
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,182
Écart entre enseignants0,164 · 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 tête enseignante, 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

Citations1
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207