The ASTE-BGC Data-Assimilative Regional Ocean Biogeochemistry Model
Notice bibliographique
Résumé
We present a data-assimilative regional ocean biogeochemical model, ASTE-BGC, which simulates the physical and biogeochemical state of the North Atlantic Ocean from 2002 to 2017. Model physics are provided by a physical state estimate (ASTE), which assimilates O(10 9 ) in-situ and satellite-based observations over the model domain and time period. Model biogeochemistry is simulated by a medium-complexity biogeochemical module (BLING), which simulates nine prognostic biogeochemical tracers and three ecological classes. We minimize model-data misfit between a “spun-up” simulated biogeochemical state and O(10 5 ) BGC-Argo and ship-based bottle data of O 2 , NO 3 , PO 4 , DIC, and alkalinity. First, we modify the baseline ASTE-BGC configuration to initialize assimilated variables directly from the GLODAPv2.2016b 1° × 1° mapped climatology. Second, we adjust the empirical relationship between solar irradiance and photosynthesis in the Labrador Sea. Finally, we use a Green’s Functions approach to optimize seven BLING biogeochemical parameters using sensitivity experiments. The optimization leads to demonstrable improvements in all regions, particularly in the subpolar North Atlantic. We compare the unconstrained and constrained model versions against independent satellite data and observational products to further demonstrate the improvements to correlation, root mean square error, and bias in modeled O 2 , surface ocean pCO 2 , and chlorophyll-a in the Labrador Sea. We conclude by offering our perspective on the challenges inherent to biogeochemical data assimilation and the future work needed to advance this field.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».