Sensitivity of global storm surge modelling to sea surface drag
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accurate storm surge modeling is essential for predicting coastal flooding and mitigating impacts on vulnerable regions. This study evaluates the influence of different sea surface drag parameterizations on surge predictions using the Global Tide and Surge Model (GTSM) over a 10-year period (2006-2015) and two storm events. Four model experiments were tested, ranging from a fully dynamic formulation, including variable air density, atmospheric stability, and sea-state-dependent drag, to a simplified constant-drag approach. Results show that advanced drag formulations reduced the underestimation of annual maximum surge values from 18% to 12% globally, with the variable Charnock parameter contributing the most. Conversely, using a constant Charnock value and thereby neglecting wave-dependent roughness increases prediction errors, especially in regions with highly variable sea states. Case studies of Storm Xaver (2013) and Hurricane Fiona (2022) show that advanced parameterizations better capture wind stress variations, reducing root mean square error from 0.21 m to 0.16 m for Xaver and improving surge predictions by up to 0.30 m for Fiona. Consistent with earlier studies, a persistent underestimation of extreme surge events remains across all experiments. While wave-dependent roughness improves performance, no single parameter fully explains this bias. However, wave-dependent roughness particularly enhances model performance in high-latitude and storm-prone areas, where sea state and atmospheric conditions vary widely. Our results show that variations in air density and atmospheric stability have minimal impact on surge height. As such, prioritizing the implementation of dynamic, sea-state-dependent drag formulations, particularly variable Charnock, is key to further improving the accuracy of storm surge forecasting systems and future projections.
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.
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) | 0,000 | 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 découle