MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405337808 · doi:10.5194/sp-2024-44

Solving Coastal Dynamics: Introduction to High Resolution Ocean Forecasting Services

2024· preprint· en· W4405337808 sur OpenAlexaff
Joanna Staneva, Angélique Melet, Jennifer Veitch, Pascal Matte

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesHorizon 2020
Mots-clésDownscalingData assimilationMesoscale meteorologyEnvironmental scienceNumerical weather predictionMeteorologyOcean surface topographyOcean dynamicsOcean currentClimatologyGeologyOceanographyGeographyClimate change

Résumé

récupéré en direct d'OpenAlex

Abstract. Coastal services are fundamental for society, with approximately 60 % of the world’s population living within 60 km of the coast. Thus, predicting ocean variables with high accuracy is a challenge that requires numerical models able to simulate from mesoscale to submesoscale processes, to capture shallow water dynamics influenced by wetting-drying and resolve the ocean variables in very high-resolution spatial domains. This paper introduceskey aspects of coastal modelling, such as vertical structure of the mixed layer depth, parameterization of bottom roughness and the dissipation of kinetic energy in coastal areas. It stresses the need for models to account forthe nonlinear interactions between tidal currents, wind waves, and small-scale weather patterns, emphasizing their significance in refining coastal predictions. In addition, observational advancements, such as high-frequency (HF) radar and satellite missions like SWOT, provide unique opportunities to observe coastal dynamics. This integration enhances our ability to model physical and dynamical peculiarities in coastal waters, estuaries, and ports. Coastal models not only benefit from such high-resolution observations but also contribute to evolving observational systems, creating feedback loops that refine monitoring and prediction capabilities. Modeling strategies are also examined, including downscaling and upscaling approaches, and numerical challenges like implementing robust data assimilation schemes to refine estimations of coastal ocean states are addressed. Emerging techniques, such as advanced turbulence closure models and dynamic vegetation drag parameterization, are highlighted for their role in enhancing the realism of modeled coastal processes. Furthermore, the integration of atmospheric forcing, tidal asymmetries, and estuarine dynamics underlines the necessity for models that span the complexities of the coastal continuum. It also demonstrates the critical importance of accurately modeling coastal and estuarine systems to capture interactions between mesoscale and submesoscale processes, their connections to broader oceanic systems, and their implications for sustainable coastal management and climate resilience. This work underscores the potential of advancing coastal forecasting systems through interdisciplinary innovation, paving the way for enhanced scientific understanding and practical applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,186 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOceanographic and Atmospheric Processes→Travaux en français237 207→