A Region‐Optional Targeted Observation Method and Its Application in the Sea Surface Temperature Prediction Associated With the Indian Ocean Dipole
Notice bibliographique
Résumé
Abstract Although data assimilation‐based targeted observation approaches have been widely used, obtaining optimal observation sites over a specific region for a prediction target remains a challenge. Hence, this study developed a more practical region‐optional targeted observation method by introducing a projection vector, allowing for the prediction targeted region to be different from the observation one. By minimizing the analysis error variance in a targeted region, the method identified optimal sites through a sequential assimilation framework. This region‐optional method was applied in the targeted observation study of the sea surface temperature (SST) prediction associated with Indian Ocean Dipole (IOD). The first 10 optimal observation sites were identified, with seven sites in the west IO, and three in the east. The results were further validated by conducting observation system simulation experiments using an ensemble adjustment Kalman filter assimilation system in the Community Earth System Model (CESM). The assimilation of observations from the 10 optimal sites was capable of reducing root mean squared errors (RMSEs) by 38.2% when assessing the SST across the IOD key regions, significantly more than the reduction from 10 optimal sites identified via the conventional method, or that from 10 random sites. This improvement was primarily due to the error reduction in the eastern IO, where SST RMSEs were reduced by >50%. The proposed region‐optional targeted observation method can seek optimal sites in any region of interest and is not confined to the targeted region as in conventional algorithms, thus providing a more reasonable method for designing optimal observation networks.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».