Assimilation of sea surface salinities from SMOS in an Arctic coupled ocean and sea ice reanalysis
Notice bibliographique
Résumé
Abstract. In the Arctic, the sea surface salinity (SSS) plays a key role in processes related to water mixing and sea ice. However, the lack of salinity observations causes large uncertainties in Arctic Ocean forecasts and reanalysis. Recently the Soil Moisture and Ocean Salinity (SMOS) satellite mission was used by the Barcelona Expert Centre to develop an Arctic SSS product. In this study, we evaluate the impact of assimilating this data in a coupled ocean–ice data assimilation system. Using the deterministic ensemble Kalman filter from July to December 2016, two assimilation runs respectively assimilated two successive versions of the SMOS SSS product on top of a pre-existing reanalysis run. The runs were validated against independent in situ salinity profiles in the Arctic. The results show that the biases and the root-mean-squared differences (RMSD) of SSS are reduced by 10 % to 50 % depending on the area and highlight the importance of assimilating satellite salinity data. The time series of freshwater content (FWC) further shows that its seasonal cycle can be adjusted by assimilation of the SSS products, which is encouraging of the assimilation of SSS in a long-time reanalysis to better reproduce the Arctic water cycle.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».