MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321996155 · doi:10.5194/egusphere-egu23-10418

Assessing the added value of Aeolus winds in the ECCC forecast system

2023· preprint· en· W4321996155 sur OpenAlexaff
Chih‐Chun Chou, Paul J. Kushner, Stéphane Laroche

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMeteorologyEnvironmental scienceNumerical weather predictionTroposphereAtmospheric sciencesClimatologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

The European Space Agency (ESA)’s Aeolus mission, launched in August 2018, provides the first global horizontal line-of-sigh (HLOS) wind profile measurements. Many Numerical Weather Prediction (NWP) centres, including ECMWF, DWD, Météo-France, Met-Office and ECCC, have shown that assimilating Aeolus winds improves overall forecast skill, especially in the tropics and data-sparse regions. To better characterize the locations and drivers of improved skill from Aeolus, we use a series of Observing System Experiments (OSEs) with the ECCC Global Deterministic Prediction System (GDPS) covering the period July to September 2019 and December 2019 to March 2020. Three experiments are used: CNTRL, CNTRL+Aeolus, and CNTRL-winds. All the observations assimilated in the GDPS are included in the CNTRL experiment. The Aeolus winds are added in the CNTRL+Aeolus experiment and the operational wind observations are withheld in the CNTRL-wind experiment. The impact of the operational winds and Aeolus are quantified by comparing the forecast error of the CNTRL-winds and CNTRL experiments with the CNTRL and CNTRL+Aeolus experiments. As expected, the operational winds improve the tropospheric forecast over the tropics the most, with a normalized forecast error of 8% for the wind field. By adding the Aeolus winds, which account for less than 1% of the observations, the tropospheric forecast further improves by 0.7-0.9% over the tropics and the Arctic, and by 0.5-0.6% over the data-sparse Southern Hemisphere extra-tropics. The added value of Aeolus winds is further highlighted when its impact on forecasts as a function of length scale is investigated, using a spherical harmonic decomposition. The impact is measured as the difference of the 250-hPa kinetic energy forecast error spectra between experiments. The impact of operational winds and Aeolus is dominated by the transient component whose impact is nearly four times greater than the impact on the mean component. The operational winds largely improve the forecast of global scale to intermediate scale in the short-range forecasts. The impact then decreases as forecast range increases. On the other hand, the impact of Aeolus is mostly seen in the intermediate to large scale range with a peak around spherical harmonics of degree 9 (scales about 4000 km), and is the smallest on day 1 and increases until days 4 to 5. This analysis suggests that Aeolus winds provide estimates of the wind state that are valuable and complementary to that provided from current operational winds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,301
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMeteorological Phenomena and Simulations→Travaux en français237 207→