Notice bibliographique
Résumé
Abstract. Both measurements and modelling of air pollution in the Arctic are difficult. Yet with the Arctic warming at nearly four times the global average rate, and changing emissions in and near the region, it is important to understand Arctic atmospheric composition and how it is changing. This study examines the simulations of atmospheric concentrations of methane, carbon monoxide and ozone in the Arctic by 11 models. Evaluations are performed using data from five high-latitude ground-based Fourier transform infrared (FTIR) spectrometers in the Network for the Detection of Atmospheric Composition Change (NDACC). Mixing ratios of trace gases are modelled at three-hourly intervals by CESM, CMAM, DEHM, EMEP MSC-W, GEM-MACH, GEOS-Chem, MATCH, MATCH-SALSA, MRI-ESM2, UKESM1 and WRF-Chem for the years 2008, 2009, 2014, and 2015. The comparisons focus on the troposphere (0–7 km partial columns) at Eureka, Canada; Thule, Greenland; Ny Ålesund, Norway; Kiruna, Sweden; and Harestua, Norway. Overall, the models are biased low in the tropospheric column, on average by -9.6 % for CH4, -21 % for CO and -18 % for O3. Results for CH4 are relatively consistent across the four years, whereas CO has a maximum negative bias in the spring and minimum in the summer, and O3 has a maximum difference centred around the summer. The average differences for the models are within the FTIR uncertainties for approximately 15 % of the model-location comparisons.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,019 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,219 | 0,172 |
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 ».