CE56 - Interfaces : mathématiques, sciences du numérique - sciences du système Terre et de l’environnement

Informations probabilistes artificielles pour le système océans/climat – REPLICA

Résumé de soumission

Le changement climatique est un enjeu critique pour la société. En raison de sa capacité à emmagasiner, transporter, et libérer de la chaleur, l’océan jouera un rôle clé dans l’évolution future du climat en modulant la réchauffement de l’atmosphère. Cependant, une partie de la variabilité océanique est intrinsèque et aléatoire, et l’empreinte importante de cette variabilité intrinsèque sur la variabilité totale pour des multiples échelles temporelles et spatiales peut compliquer les tâches de détection et attribution des signaux dus au changement climatique. L’information probabiliste dont nous avons besoin pour résoudre ce problème ne peut être obtenue qu’en s’appuyant sur des simulations ensemblistes ; cependant, cette approche ensembliste présente aussi plusieurs désavantages, y compris que les résultats obtenus dépendent de la configuration du modèle numérique, et qu’elle nécessite des moyens de calcul et de stockage très conséquents. En pratique, la taille de l’ensemble ainsi que la résolution spatiale du modèle sont limités par ces besoins en ressources informatiques ; ces limitations peuvent influer sur les résultats obtenus à partir des simulations. Un autre inconvénient est que l’empreinte carbone de la production, stockage et analyse subséquent des simulations produites par cette approche est extrêmement élevée.

Dans le projet REPLICA, nous appliquerons des méthodes statistiques et d’apprentissage automatique aux jeux de données océaniques avec le but d’améliorer notre compréhension de l’impact de la variabilité intrinsèque océanique sur les indicateurs climatiques, avec un accent particulier sur l’Atlantique Nord. Cette région influe fortement sur le climat de l’Europe, mais sa variabilité comporte une contribution intrinsèque importante due au Gulf Stream / la Dérive Atlantique Nord. Dans ce but de mieux comprendre les impacts de la variabilité intrinsèque, nous chercherons à : (i) améliorer les informations probabilistes existantes, et (ii) développer des méthodes qui sont accessibles et durables, qui ne dépendent pas de la simulation numérique directe, pour obtenir des informations probabilistes.

Pour améliorer les informations probabilistes actuelles, nous développerons des méthodes pour quantifier l’influence de la physique du modèle, ainsi que de la taille limitée des ensembles sur l’estimation de la densité de probabilité obtenue à partir des simulations ensemblistes. Nous développerons des outils statistiques pour : (i) estimer la moyenne de l’ensemble directement à partir des observations, et (ii) parfaire les estimations de la densité de probabilité dans des régions où la variabilité intrinsèque est importante. Par l’application de ces méthodes, nous chercherons à atténuer l’influence de la variabilité intrinsèque dans les estimations de la variabilité du contenu en chaleur et en eau douce de l’Atlantique Nord faites à partir des observations. Nous chercherons également à mieux comprendre les mécanismes d’interaction atmosphère-océan dans l’Atlantique Nord.

En parallèle, nous mettrons en place des méthodes pour obtenir des informations probabilistes qui ne dépendent pas de la simulation numérique directe en appliquant des techniques d’intelligence artificielle. Nous appliquerons ces méthodes aux jeux de données haute résolution, et chercherons à mieux comprendre la sensibilité des processus qui gouvernent la convection profonde à la variabilité intrinsèque. La convection profonde est un processus déterminant pour l’intensité de la circulation méridienne de retournement de l’Atlantique ; cependant, sa survenue est difficile à prédire.

Les outils que nous développerons dans REPLICA seront moins exigeants sur le plan des calculs et du stockage que la simulation numérique directe. Ainsi, ils amélioreront l’accessibilité des informations probabilistes, faciliteront la détection et l’attribution des changements climatiques et réduiront le coût énergétique de la production et stockage de ces informat

Coordination du projet

Sally CLOSE (Université de Brest)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

LOPS Université de Brest

Aide de l'ANR 273 160 euros
Début et durée du projet scientifique : décembre 2022 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter