Tropical Cyclone Wind Field Reconstruction and Validation Using Measurements from SFMR and SMAP Radiometer
Notice bibliographique
Résumé
Accurate information on tropical cyclone position, intensity, and structure is critical for storm surge prediction. Atmospheric reanalysis datasets can provide gridded, full coverage, long-term and multi-parameter atmospheric fields for the research on the impact of tropical cyclones on the upper ocean, which effectively makes up for the uneven temporal and spatial distribution of satellite remote sensing and in situ data. However, the reanalysis data cannot accurately describe characteristic parameters of tropical cyclones, especially in high wind conditions. In this paper, the performance of the tropical cyclone representation in ERA5 (European Centre for Medium-Range Weather Forecasts Reanalysis 5th Generation) is investigated and analyzed with respect to IBTrACS (International Best Track Archive for Climate Stewardship) during the period 2018–2020. Comparisons demonstrate that ERA5 winds significantly underestimate the maximum wind speed during the tropical cyclones (>30 m/s) compared to those provided by IBTrACS. An effective wind reconstruction method is examined to enhance tropical cyclone intensity representation in reanalysis data in 94 cases of 31 tropical cyclones 2018–2020. The reconstructed wind speeds are in good agreement with the SFMR (Stepped Frequency Microwave Radiometer) measured data and SMAP (Soil Moisture Active Passive) L-band radiometer remotely sensed measurements. The proposed wind reconstruction method can effectively improve the accuracy of the tropical cyclone representation in ERA5, and will benefit from the establishment of remote sensing satellite retrieval model and the forcing fields of the ocean model.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».