Notice bibliographique
Résumé
Abstract. In the past decade groundbreaking new satellite observations of the Arctic sea ice cover have been made, allowing researchers to understand the state of the Arctic sea ice system in greater detail than before. The derived estimates of sea ice thickness are useful but limited in time and space. In this study the first results of a new sea ice data assimilation system are presented. Observations assimilated (in various combinations) are monthly mean sea ice thickness and monthly mean sea ice thickness distribution from Cryosat-2, and NASA daily Bootstrap sea ice concentration. This system couples the Centre for Polar Observation and Modelling's (CPOM) version of the Los Alamos Sea Ice Model (CICE) to the Localised Ensemble Transform Kalman Filter (LETKF) from the Parallel Data Assimilation Framework (PDAF) library. The impact of assimilating a sub-grid scale sea ice thickness distribution is of particular novelty. The sub-grid scale sea ice thickness distribution is a fundamental component of sea ice models, playing a vital role in the dynamical and thermodynamical processes, yet very little is known of its true state in the Arctic. This study finds that assimilating Cryosat-2 products for the mean thickness and the sub-grid scale thickness distribution can have significant consequences on the modelled distribution of the ice thickness across the Arctic and particularly in regions of thick multi-year ice. The assimilation of sea ice concentration, mean sea ice thickness and sub-grid scale sea ice thickness distribution together performed best when compared to a subset of Cryosat-2 observations held back for validation. Regional model biases are reduced: the thickness of the thickest ice in the Canadian Archipelago is decreased, but the thickness of the ice in the Central Arctic is increased. When comparing the assimilation of mean thickness with the assimilation of sub-grid scale thickness distribution, it is found that the latter leads to a significant change in the volume of ice in each category. Estimates of the thickest ice improve significantly with the assimilation of sub-grid scale thickness distribution alongside mean thickness.
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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,022 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,188 | 0,159 |
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 ».