Assimilation of CryoSat-2 radar Freeboard data in a global ocean-sea ice modelling system.
Notice bibliographique
Résumé
Sea ice is a key element in our climate system, and it is very sensitive to the current observed climate change. Sea ice volume is a sensitive indicator of the health of Arctic although very challenging to estimate precisely since it is a combination of sea ice area and sea ice thickness. Arctic sea ice volume has decreased by as much as 75% at the end of the summer season if compared with the conditions 40 years ago. The ongoing decline of Arctic sea ice exposes the ocean to anomalous surface heat and freshwater fluxes that can have potential implication for the Arctic region and beyond, for the general oceanic circulation itself. For more than a decade, Mercator Ocean International develops and produces Global Ocean Reanalysis with a 1/4° resolution system. Based on the NEMO modelling platform, observations are assimilated by a reduced-order Kalman filter. In-situ CORA database, altimetric data, sea surface temperature, and sea ice concentration are jointly assimilated to constrain the ocean and sea ice model. In previous reanalysis, long-term sea ice volume drift has been observed in the Arctic. To obtain a better constraint on the sea ice thickness, Cryosat-2 radar Freeboard data are assimilated jointly with the sea ice concentration in a multidata/multivariate sea ice analysis. The coupled ocean and ice assimilation system runs on a 7-day cycle, using IAU (Incremental Analysis Update) and a 4D increment. The “white ocean” is modelled with the multi-categories LIM3.6 sea ice numerical model. The aim of this study is to initiate the development of the future operational multi-variate and multi-data sea ice analysis system with freeboard radar assimilation. After describing this global sea ice reanalysis system, we present results on the abilities of this configuration to reproduce sea ice extent and volume interannual variability in both hemispheres. Comparisons between experiments with and without assimilation show that the joint assimilation of CryoSat-2 radar freeboard and sea ice concentration reduces most of model biases of sea ice thickness, e.g., in the north of the Canadian Arctic Archipelago and in the Beaufort Sea in the Arctic. Moreover, radar freeboard assimilation does not hinder the good results in simulating sea ice extent previously obtained with the assimilation of only sea ice concentration. Validation with non-assimilated satellite data and in-situ data supports these findings. Lastly, snow depth significantly influences the Freeboard measurement: this study also reveals the importance of including snow information on freeboard retrieval and on the ice volume assimilation methodology. These experiments take place in a context of increasing interest in polar regions and prepare the launch of Copernicus Sentinel expansion satellite missions.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».