Atmospheric modelIn atmospheric science, an atmospheric model is a mathematical model constructed around the full set of primitive, dynamical equations which govern atmospheric motions. It can supplement these equations with parameterizations for turbulent diffusion, radiation, moist processes (clouds and precipitation), heat exchange, soil, vegetation, surface water, the kinematic effects of terrain, and convection. Most atmospheric models are numerical, i.e. they discretize equations of motion.
Particules en suspensionLes particules en suspension sont toutes les particules (solides ou en aérosols) portées par l'eau ou par l'air, quantifiables par filtration ou par d'autres procédés physiques. Les matières particulaires ou PM (acronyme de particulate matter en anglais) sont les particules en suspension dans l'atmosphère terrestre (aérosols atmosphériques). Un taux élevé de particules fines et ultrafines dans l'air est un facteur de risque sanitaire (maladies cardiovasculaires, altération des fonctions pulmonaires, cancer du poumon), induisant une nette diminution de l'espérance de vie.
Station météorologiqueUne station météorologique, parfois désignée par synecdoque abri météorologique, est un ensemble de capteurs qui enregistrent et fournissent des mesures physiques et des paramètres météorologiques liés aux variations du climat, ces capteurs étant placés dans un boîtier, abri météorologique qui réalise l'équilibre thermique du thermomètre avec l'air et le protège du rayonnement solaire. Les variables à mesurer sont la température, la pression, la vitesse et direction du vent, l'hygrométrie, le point de rosée, la pluviométrie, la hauteur et le type des nuages, le type et l'intensité des précipitations ainsi que la visibilité.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
CirrusLe cirrus est un genre de nuage présent dans la couche supérieure de la troposphère (entre et d'altitude, dépendant de la latitude et de la saison), formé de cristaux de glace. Ces nuages ont l'apparence de filaments blancs et ne causent pas de précipitations. On le compare souvent à des cheveux d'ange. Les cirrus, bien que ténus, ont un effet notable sur le bilan radiatif de la planète, tant à cause de la réflexion de rayonnement solaire vers l'espace (refroidissement) que par leur effet dans le domaine thermique (réchauffement).
Chimie atmosphériqueLa chimie atmosphérique est une branche des sciences de l'atmosphère étudiant la chimie de l'atmosphère terrestre et des autres planètes. Il s'agit d'un champ de recherche pluridisciplinaire impliquant entre autres la chimie environnementale, la physique, la météorologie, la modélisation informatique, l'océanographie, la géologie et la volcanologie. Son champ de recherche est à l'heure actuelle de plus en plus rapproché à celui de la climatologie.
GlaceLa glace est l'eau (de formule chimique ) lorsqu'elle est à l'état solide. Cet élément est très étudié dans la nature et en laboratoire, par les scientifiques, à commencer par les glaciologues, les physiciens de la matière condensée et autres cryologues de spécialités différentes : il contient souvent beaucoup d'impuretés ou d'inclusions, d'origine diverse.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Réchauffement climatiquevignette|redresse=1.35|Températures moyennes de l'air en surface de 2011 à 2020 par rapport à une moyenne de référence de 1951 à 1980. vignette|redresse=1.35|Température observée par la NASA par rapport à la moyenne de 1850-1900 comme référence préindustrielle. Le principal facteur d'augmentation des températures mondiales à l'ère industrielle est l'activité humaine, les forces naturelles ajoutant de la variabilité. vignette|redresse=1.35|L'énergie circule entre l'espace, l'atmosphère et la surface de la Terre.
Nuage nacréLes nuages nacrés, ou nuages polaires stratosphériques, sont des nuages qui se forment dans la stratosphère à une altitude située entre . Les nuages nacrés sont rares et se forment surtout l'hiver à proximité des pôles. Ils ont été décrits par l'astronome Robert Leslie dès 1885. Ils sont impliqués dans la formation de trous dans la couche d'ozone car ils supportent les réactions chimiques qui produisent des molécules de composés chlorés. Ces molécules servent de catalyseur à la réaction détruisant les molécules d'ozone.
Projet d'intercomparaison des modèles couplésLe projet d’intercomparaison des modèles couplés (CMIP pour Coupled model intercomparison project en anglais) est un projet du programme mondial de recherche sur le climat (WCRP). Ce projet vise à réaliser des simulations climatiques de façons coordonnées entre les différents groupes de recherche, permettant une meilleure estimation et compréhension des différences entre les modèles climatiques. Il permet, en outre, d’estimer l’incertitude due à l’imperfection des modèles dans l’estimation du changement climatique lié à l’homme.
Adversarial machine learningAdversarial machine learning is the study of the attacks on machine learning algorithms, and of the defenses against such attacks. A survey from May 2020 exposes the fact that practitioners report a dire need for better protecting machine learning systems in industrial applications. To understand, note that most machine learning techniques are mostly designed to work on specific problem sets, under the assumption that the training and test data are generated from the same statistical distribution (IID).
