Sensibilité d’un modèle ocean-atmosphere(LMDZ-NEMOMED8) à un flux d’eau douce : cas du dernier épisode de sapropèle en mer Méditerranée
Bibliographic record
Abstract
Les sapropèles se produisent périodiquement en Méditerranée. Ces évènements de dépôt stratifient la colonne d’eau, inhibent la convection des masses d’eaux intermédiaires et profondes, conduisant ainsi à une forte anoxie des eaux profondes dont la signature est détectable dans les sédiments marins. Depuis de nombreuses années, la corrélation entre les changements d’insolation, les moussons africaines et les évènements de sapropèle a été documentée. De plus, de très nombreuses données ont été collectées pour différents sapropèles, en particulier, pour le dernier d’entre eux, le sapropèle S1, qui intervient au début de l’Holocène il y a 10 000 ans BP et s‘étale sur 3 000 ans. Même si les modèles de climat sont utilisés depuis longtemps pour retracer les climats passés et donner des trajectoires pour le climat futur, ce n’est que récemment que la résolution des modèles océaniques méditerranéens permet de recréer avec fidélité les caractéristiques de sa circulation thermohaline. L’objectif de cette étude préliminaire vise à tester la sensibilité du modèle couplé océan-atmosphère LMDZ-NEMOMED8 à travers une forte perturbation en eau douce en provenance du Nil, conformément à l’hypothèse du déclenchement du sapropèle S1. En modifiant le débit du Nil pour arriver à une situation proche de celle du début de l’Holocène, nous arrivons à diminuer fortement la convection profonde dans le bassin Est et en mer Adriatique, et à produire les conditions nécessaires à une anoxie des eaux profondes.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".