弥合气候观测网络的缺口：基于物理的拉格朗日浮冰测量非线性动力插值及其数据驱动随机模型
大气与海洋物理
2022-10-05 v1
摘要
在边缘冰区建模和理解海冰动力学依赖于获取拉格朗日浮冰测量。然而，光学卫星图像易受大气噪声影响，导致提取的浮冰位置时间序列出现缺口。本文提出了一种高效且统计精确的非线性动力插值框架，用于恢复缺失的浮冰观测。它利用基于物理与数据驱动相平衡的结构，以应对耦合大气-冰-海洋系统的高维和非线性本质所带来的挑战，其中有效的降阶随机模型、非线性数据同化以及同步参数估计被系统性地集成。新方法成功恢复了波弗特海中缺失浮冰的位置、曲率、角位移以及相关的强非高斯分布。它还准确估计了浮冰厚度，并在适当的不确定性量化下恢复了未观测的底层海洋场，增进了我们对北极气候的理解。
引用
@article{arxiv.2205.09080,
title = {Bridging Gaps in the Climate Observation Network: A Physics-based Nonlinear Dynamical Interpolation of Lagrangian Ice Floe Measurements via Data-Driven Stochastic Models},
author = {Jeffrey Covington and Nan Chen and Monica M. Wilhelmus},
journal= {arXiv preprint arXiv:2205.09080},
year = {2022}
}