Échanges en surface dans le modèle de chimie transport multi-échelles MOCAGE
Bibliographic record
Abstract
Les échanges en surface dans le Modèle de Chimie Transport (MCT) multi-échelles MOCAGE de Météo-France comprennent à la fois les flux d'émissions et de dépôt sec d'espèces gazeuses. Une interface 2D a été développée entre MOCAGE et le modèle de prévisions météorologiques opérationnel français ARPEGE dans le but de calculer des flux à la surface réalistes Pour les émissions, un inventaire global est employé pour le moment; cet inventaire a été construit essentiellement à partir des inventaires des programmes IGAC/GEIA (International Global Atmospheric Chemistry / Global Emission Inventory Activity) et EDGAR (Emission Database for Global Atmospheric Research qui ont des résolutions temporelles annuelles, sai-sonnières ou mensuelles et une résolution spatiale de un degré. Le dépôt sec d'espèces gazeuses, y compris l'ozone, le dioxyde de soufre, les composés azotés, les composés organiques à longue et à courte durée de vie, a été paramétrisé selon [Wesely, 1989]. Le modèle calcule la vitesse de dépôt à partir de valeurs de trois résistances en série, les résistances aérodynamique, laminaire et de la surface. Ces résistances sont calculées en utilisant les champs de surface d'ARPEGE. Les champs liés à la végétation, tels l'indice foliaire, sont prescrits avec une résolution de un degré sur le globe et de cinq minutes sur l'Europe. Un certain nombre de modifications a été apporté à la paramétrisation de [Wesely, 1989], par exemple pour la formulation de la résistance stomatale et celle de la résistance de surface sur les surfaces mouillées. Les valeurs calculées de vitesse de dépôt ont été comparées à des observations et leurs distributions spatiales et temporelles ont été analysées sur deux saisons opposées (hiver et été, sur les différents domaines de MOCAGE, de résolution allant de 2 degrés pour le globe à 0.25 degrés pour la France.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".