A 1D Var Retrieval of Relative Humidity Using the ERA5 Dataset for the Assimilation of Raman Lidar Measurements
Notice bibliographique
Résumé
Abstract We present a one-dimensional variational (1D Var) retrieval of fifth-generation European Centre for Medium-Range Weather Forecast reanalysis (ERA5) temperature and relative humidity profiles above Payerne, Switzerland, assimilating raw backscatter measurements from the MeteoSwiss Raman Lidar for Meteorological Observations (RALMO). Our reanalysis is called ERA5-reRH. We use an optimal estimation method to perform the 1D Var data retrieval. The forward model combines the Raman lidar equation with the Hyland and Wexler expression for water vapor saturation pressure. The error covariance matrix of ERA5 was derived from the differences between ERA5 and a set of 50 special radiosoundings that have not been assimilated into ERA5. We validate ERA5-reRH, ERA5, and RALMO temperature and relative humidity profiles against the same set of special radiosoundings and found the best agreement was with our reanalysis, with a bias of less than 2% relative humidity with respect to water (%RHw) and a spread of less than 8%RHw below 8 km in terms of relative humidity. Improvements for temperature in our reanalysis are only found in the boundary layer, as ERA5 assimilates a large number of upper-air temperature observations. Our retrieval also provides a full uncertainty budget of the reanalyzed temperature and relative humidity including both random and systematic uncertainties.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».