Validation of pan-Arctic soil temperatures in modern reanalysis and data assimilation systems
Notice bibliographique
Résumé
Abstract. Reanalysis products provide spatially homogeneous coverage for a variety of climate variables in regions such as the Arctic where observational data are limited. Soil temperatures are an important control of many land–atmosphere exchanges and hydrological processes, and permafrost soils are thawing as the climate warms. However, very little validation of reanalysis soil temperatures in the Arctic has been performed to date, because widespread in situ reference observations have historically been limited there. Here we validate pan-Arctic soil temperatures from eight reanalysis and land data assimilation system products, using a newly assembled database of in situ observations from diverse measurement networks across Eurasia and North America. We examine product performance across the extratropical Northern Hemisphere between 1982 and 2018, and find that most products have soil temperatures that are biased cold by 1–5 K, with an RMSE of 2–9 K, and that biases and RMSE are generally largest in the cold season. Monthly mean values from most products correlate well with in situ data (r>0.9) in the warm season but show lower correlations (r=0.55–0.85) in the cold season. Similarly, the magnitude of monthly variability in soil temperatures is well captured in summer but overestimated by 20 %–50 % for several products in winter. The suggestion is that soil temperatures in reanalysis products are subject to much higher uncertainty when the soil is frozen and/or when the ground is snow covered, suggesting that the representation of processes controlling snow cover in reanalysis systems should be urgently studied. We also validate the ensemble mean of all available products and find that, when all seasons and metrics are considered, the ensemble mean generally outperforms any individual product, in terms of its correlation and variability, while maintaining relatively low biases. As such, we recommend the ensemble mean soil temperature product for a wide range of applications, such as the validation of soil temperatures in climate models, and to inform models that require soil temperature inputs, such as hydrological models.
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 ».