These gridded products are produced from the along-track (or Level-3) SEA LEVEL products (DOI: doi.org/10.48670/moi-00147) delivered by the Copernicus Marine Service (CMEMS, marine.copernicus.eu) for satellites SARAL/AltiKa, Cryosat-2, HaiYang-2B, Jason-3, Copernicus Sentinel-3A&B, Sentinel 6A, SWOT nadir, and SWOT Level-3 KaRIn sea level products (DOI: https://doi.org/10.24400/527896/A01-2023.018). Three mapping algorithms are proposed: MIOST, 4DvarNET, 4DvarQG: - the MIOST approach which give the global SSH solutions: the MIOST method is able of accounting for various modes of variability of the ocean surface topography (e.g., geostrophic, barotrope, equatorial waves dynamic …) by constructing several independent components within an assumed covariance model. - the 4DvarNET approach for the regional SSH solutions: the 4DvarNET mapping algorithm is a data-driven approach combining a data assimilation scheme associated with a deep learning framework. - the 4DvarQG approach for the regional SSH solutions: the 4DvarQG mapping technique integrates a 4-Dimensional variational (4DVAR) scheme with a Quasi-Geostrophic (QG) model. References: - Ballarotta, M., Ubelmann, C., Bellemin-Laponnaz, V., Le Guillou, F., Meda, G., Anadon, C., Laloue, A., Delepoulle, A., Faugère, Y., Pujol, M.-I., Fablet, R., and Dibarboure, G., 2024: Integrating wide swath altimetry data into Level-4 multi-mission maps, EGUsphere [preprint], https://doi.org/10.5194/egusphere-2024-2345 - Beauchamp, M., Febvre, Q., Georgenthum, H., and Fablet, R., 2023: 4DVarNet-SSH: end-to-end learning of variational interpolation schemes for nadir and wide-swath satellite altimetry, Geosci. Model Dev., 16, 2119–2147, https://doi.org/10.5194/gmd-16-2119-2023 - Fablet, R., Beauchamp, M., Drumetz, L., and Rousseau, F., 2021: Joint Interpolation and Representation Learning for Irregularly Sampled Satellite-Derived Geophysical Fields, Front. Appl. Math. Stat., 7, 655224, https://doi.org/10.3389/fams.2021.655224 - Le Guillou, F., Metref, S., Cosme, E., Ubelmann, C., Ballarotta, M. Le Sommer, J. Verron, J., 2021: Mapping Altimetry in the Forthcoming SWOT Era by Back-and-Forth Nudging a One-Layer Quasigeostrophic Model, J. Atmos. Oceanic Technol., 38, 697–710, https://doi.org/10.1175/JTECH-D-20-0104.1 - Ubelmann, C., Dibarboure, G., Gaultier, L., Ponte, A., Ardhuin, F., Ballarotta, M., & Faugère, Y., 2021: Reconstructing ocean surface current combining altimetry and future spaceborne Doppler data. Journal of Geophysical Research: Oceans, 126, e2020JC016560. https://doi.org/10.1029/2020JC016560

Monomission altimeter satellite along-track sea surface heights computed with respect to a twenty-year mean. Previously distributed by Aviso+, no change in the scientific content. All the missions are homogenized with respect to a reference mission which is currently OSTM/Jason-2. The sla is computed with an optimal and centered computation time window (6 weeks before and after the date). Two kinds of datasets are proposed: filtered (nominal dataset) and unfiltered.

Le "Contenu en chaleur de l'océan" (ou OHC pour "Ocean Heat Content") est estimé à partir de la mesure de la dilatation thermique de l'océan basée sur les différences entre le contenu total du niveau de la mer dérivé des mesures altimétriques et le contenu massique dérivé des données gravimétriques, noté «altimétrie-gravimétrie». L'indicateur "Déséquilibre énergétique de la Terre" (ou EEI pour "Earth Energy Imbalance") est obtenu à partir des variations temporelles du contenu en chaleur de l'océan (OHC), c'est-à-dire en calculant sa dérivée (appelée absorption de chaleur océanique). Le jeu de données est livré en deux fichiers distincts. Le principal contient les variables essentielles comme les séries temporelles du contenu thermique global des océans, du déséquilibre énergétique de la Terre et leurs matrices de variance-covariance relatives. Le second fichier contient plus de variables que le 1er fichier, comme les séries temporelles des grilles de changement Ocean Mass, Sea Level et Steric Sea Level. Il inclut également des variables supplémentaires qui n'ont pas été utilisées pour le calcul du Global ocean heat content, comme les séries temporelles Global mean of ocean mass, Global mean sea level et Global mean steric sea level, mais qui peuvent néanmoins présenter un intérêt pour les utilisateurs. Les utilisateurs trouveront donc notamment: - la carte régionale des tendances pour l'indicateur OHC (cf image associée à cette fiche de métadonnée), - la série temporelle de l 'OHC global des océans (représentative du globe en fonction de la disponibilité des données d'entrée), - la série temporelle de l'EEI (issu de l'OHC global filtré à partir de signaux inférieurs à 3 ans), - les incertitudes associées à ces deux jeux de données.

Variations régionales du contenu en chaleur de l'océan Atlantique avec l'approche géodésique spatiale : "4DAtlantic-OHC" Le "Contenu en chaleur de l'océan" (ou OHC pour "Ocean Heat Content") est estimé à partir de la mesure de la dilatation thermique de l'océan basée sur les différences entre le contenu total du niveau de la mer dérivé des mesures altimétriques et le contenu massique dérivé des données gravimétriques, noté «altimétrie-gravimétrie». Sont disponibles : - les grilles mensuelles des variations de l'OHC sur l'Atlantique (1°x1°) - les tendances de l'OHC et incertitudes. La stratégie établie à l'échelle globale (cf fiche de métadonnées associée "Contenu en Chaleur de l'Océan (OHC) et déséquilibre énergétique de la Terre (EEI)") a été étendue et développée à l'échelle régionale à la fois pour la génération de données et l'estimation des incertitudes. En particulier, les variations halostériques du niveau de la mer dues aux variations de la salinité qui ne sont pas négligeables régionalement sont prises en compte dans la chaîne de traitement. Elles sont estimées à partir des données in situ et sont ensuite retirées des variations stériques du niveau de la mer "altimétrie - gravimétrie". À partir de l'équation du bilan du niveau de la mer, la variation thermostérique du niveau de la mer est calculée selon : ΔSLthermosteric = ΔSLtotal - ΔSLmass - ΔSLhalosteric Avec ΔSLtotal : à partir de données d'altimétrie spatiale provenant du Copernicus Climate Change Service. ΔSLmass : données de Gravimétrie spatiale de GRACE(-FO), mise à jour de Blazquez et al. 2018 ΔSLhalosteric : données in situ, à partir d'Argo, combinaison de ISAS20 (0-2000m) et EN4.2.2.l09 (en-dessous de 2000m) La variation de l'OHC est calculée à l'échelle régionale en divisant la variation thermostérique du niveau de la mer par le coefficient d'efficacité d'expansion intégrée de la chaleur (IEEH) : elle exprime la variation de la densité de l'océan due à l'absorption de chaleur et est estimée à partir des mesures in situ de la température et de la salinité. Les incertitudes sur les changements de l'OHC sont estimées par propagation des incertitudes à partir des données d'entrée jusqu'au changement de l'OHC. Des activités de validation ont été menées dans la région de l'Atlantique Nord subtropical (SPNA) (Figure 4) et dans la région de l'Atlantique Nord subpolaire (SNA) (Figure 5) avec des données in situ Argo. De plus, l'utilisation de données in situ des sections de mouillage RAPID et A25-OVIDE met en évidence une bonne cohérence des tendances de l'OHC avec le produit géodésique spatial. Références: Ablain et al., OSTST 2022: Monitoring the regional heat content change over the Atlantic Ocean with the space geodetic approach: the 4DATLANTIC-OHC project. https://doi.org/10.24400/527896/a03-2022.3417 Blazquez, A., Meyssignac, B., Lemoine, J., Berthier, E., Ribes, A. and Cazenave, A. (2018) Exploring the uncertainty in GRACE estimates of the mass redistributions at the Earth surface: implications for the global water and sea level budgets, Geophys. J. Int., 215(1), 415–430, https://doi.org/10.1093/gji/ggy293 Marti, F., Blazquez, A., Meyssignac, B., Ablain, M., Barnoud, A., Fraudeau, R., Jugier, R., Chenal, J., Larnicol, G., Pfeffer, J., Restano, M., and Benveniste, J.(2021) : Monitoring the ocean heat content change and the Earth energy imbalance from space altimetry and space gravimetry, Earth Syst. Sci. Data Discuss., 1–32, https://doi.org/10.5194/essd-2021-220 . Meyssignac, B., Boyer, T., Zhao, Z., Hakuba, M. Z., Landerer, F. W., Stammer, D., Köhl, A., Kato, S., L’Ecuyer, T., Ablain, M., Abraham, J. P., Blazquez, A., Cazenave, A., Church, J. A., Cowley, R., Cheng, L., Domingues, C. M., Giglio, D., Gouretski, V., Ishii, M., Johnson, G. C., Killick, R. E., Legler, D., Llovel, W., Lyman, J., Palmer, M. D., Piotrowicz, S., Purkey, S. G., Roemmich, D., Roca, R., Savita, A., Schuckmann, K. von, Speich, S., Stephens, G., Wang, G., Wijffels, S. E., Zilberman, N. (2019) Measuring Global Ocean Heat Content to Estimate the Earth Energy Imbalance, Front. Mar. Sci., 6, doi: https://doi.org/10.3389/fmars.2019.00432, 2019.

This dataset contains the version 3 of combined surface current velocities, i.e. absolute geostrophic velocities products from multi-satellite observations over Global Ocean added to Hs depth Ekman velocities computed from ECMWF wind stress with an Ekman model fitted onto drifting buoys[Rio et al. 2014], on a geographical grid with 0.25 degree resolution, from 1993 to 2017.

Advanced Along-Track Scanning Radiometer multimission data have been reprocessed to provide update retrievals of Sea Surface Temperature (SST) to produce the AATSR Reprocessing for Climate (ARC) dataset.

Multimission altimeter satellite gridded sea surface heights and derived variables computed with respect to a twenty-year mean. Previously distributed by Aviso+, no change in the scientific content. All the missions are homogenized with respect to a reference mission. The acquisition of various altimeter data is a few days at most. The sla is computed with a non-centered computation time window (6 weeks before the date).

This product contains average 10 days & monthly salinity field based on L2P products, mixing ascending and descending orbits. ** This product is no longer available, see below **

This product contains daily salinity fields from a 9 days temporal gaussian average, corrected from land-sea contamination and latitudinal bias, based on L2Q products, mixing ascending and descending orbits.

This product contains weekly salinity field, based on SMOS and SMAP satellite data, and ISAS (In-Situ Analysis System).