Benefits of assimilating thin sea-ice thickness from SMOS-Ice into the TOPAZ system
Notice bibliographique
Résumé
Abstract. An observation product for thin sea ice thickness (SMOS-Ice) is derived from the brightness temperature data of the European Space Agency's (ESA) Soil Moisture and Ocean Salinity (SMOS) Mission, and available in real-time at daily frequency during the winter season. In this study, we investigate the benefit of assimilating SMOS-Ice into the TOPAZ system. TOPAZ is a coupled ocean-sea ice forecast system that assimilates SST, altimetry data, temperature and salinity profiles, ice concentration, and ice drift with the Ensemble Kalman Filter (EnKF). The conditions for assimilation of sea ice thickness thinner than 0.4 m are favorable, as observations are reliable below this threshold and their probability distribution is comparable to that of the model. Two paralleled runs of TOPAZ have been performed respectively in March and November 2014, with assimilation of thin sea ice thickness (thinner than 0.4 m) in addition to the standard ice and ocean observational data sets. It is found that the RMSD of thin sea-ice thickness is reduced by 11 % in March and 22 % in November suggesting that SMOS-Ice has a larger impact during the beginning of freezing season. There is a slight improvement of the ice concentration and no degradation of the ocean variables. The Degrees of Freedom for Signal (DFS) indicate that the SMOS-Ice contents important information (> 20 % of the impact of all observations) for some areas in the Arctic. The areas of largest impact are the Kara Sea, the Canadian archipelago, the Baffin Bay, the Beaufort Sea and the Greenland Sea. This study suggests that SMOS-Ice is a good complementary data set that can be safely included in the TOPAZ system as it improves the ice thickness and the ice concentration but does not degrade other quantities. Keywords: SMOS-Ice; EnKF; OSE; thin sea-ice thickness; DFS;
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 | 0,000 | 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 | 0,000 | 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 ».