Assimilation of synthetic and real SWOT observations for the North Atlantic Ocean and Canadian east coast using the regional ice ocean prediction system
Notice bibliographique
Résumé
The Surface Water Ocean Topography (SWOT) mission significantly improves on the capabilities of current nadir altimeters by enabling two-dimensional mapping. Assimilating this advanced data into high-resolution models poses challenges. To address this, Observing System Simulation Experiments (OSSEs) were conducted to evaluate the effects of both simulated and actual SWOT data on the Regional Ice Ocean Prediction System (RIOPS). This study examines the OSSEs’ design, focusing on the simulated observations and assimilation systems used. The validity of the OSSE designs is confirmed by ensuring the deviations between the assimilation system and the Nature Run (NR) align with discrepancies observed between actual oceanic data and OSSE simulations. The study measures the impact of assimilating SWOT and two nadir altimeters by calculating root mean square forecast error for sea surface height (SSH), temperature, and velocities, along with performing wave-number spectra and coherence analyses of SSH errors. The inclusion of SWOT data is found to reduce RMS SSH errors by 16% and RMS velocity errors by 6% in OSSEs. The SSH error spectrum shows that the most notable improvements are for scales associated with the largest errors in the range of 200-400 km, with a 33% reduction compared to traditional data assimilation. Additionally, spectral coherence analysis shows that the limit of constrained scales is reduced from 280 km for conventional observations to 195 km when SWOT is assimilated as well. This study also represents our first attempt at assimilating early-release SWOT data. A set of Observing System (data denial) experiments using early-release SWOT measurements shows similar (but smaller) responses to OSSE experiments in a two nadir-altimeter context. In a six-altimeter constellation setup, a positive impact of SWOT is also noted, but of significantly diminished amplitude. These findings robustly advocate for the integration of SWOT observations into RIOPS and similar ocean analysis and forecasting frameworks.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».