Modélisation des couplages entre variabilité méso-échelle du contenu en eau de l'atmosphère et le cycle de vie de la convection

Modeling the coupling between mesoscale variability of atmospheric water content and the convective life cycle

• Auteur / Autrice : Nicolas Nanou
• Direction : Frédéric Hourdin
• Type : Projet de thèse
• Discipline(s) : Modélisation, méthodes numériques pour l'étude du système climatique
• Date : Inscription en doctorat le 11/09/2025
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale des sciences de l'environnement d'Île-de-France
• Partenaire(s) de recherche : Laboratoire : LMD - Laboratoire de Météorologie Dynamique
• Partenaire(s) de recherche : Equipe de recherche : EMC3

Mots clés

Mots clés libres

Apprentissage machine

Quantification des incertitudes

Paramétrisations

Simulation du climat présent et futur

Convection

Modélisation numérique

Numerical modeling

Machine learning

Incertainty quantification

Simulation of present and future climate

Parameterizations

Convection

Résumé

La paramétrisation des nuages et de la convection dans les modèles de climat globaux (avec des mailles de typiquement 25 à 300km de côté) est une des principales sources d'incertitudes dans les projections du changement climatique. Améliorer ces paramétrisation est un enjeu scientifique de premier ordre pour les sciences du climat, à la fois pour la prévision du changement climatique et la quantification des incertitudes associées [1], mais également pour la compréhension des processus atmosphériques et de leur rôle dans la circulation générale et le climat. Pour prédire le caractère hétérogène des nuages dans une maille, on introduit une paramétrisation de la distribution sous-maille de l'eau, le nuage étant alors défini comme la fraction de la maille sur laquelle l'humidité dépasse sa valeur à saturation. Les mouvements convectifs eux mêmes sont représentés au travers d'approches dites « en flux de masse » dans lesquelles on divise la maille horizontale en différents compartiments associés à des vitesses verticales différentes. Jusqu'alors, la distribution sous-maille de l'eau était calculée de manière 'diagnostique' en fonction de l'état de la colonne atmosphérique, en tenant compte par exemple du fait que la présence de panaches convectifs tend à accroître la largeur de cette distribution en amenant de l'air humide de la surface à des niveaux plus secs. Un modèle pronostique, plus sophistiqué, est en construction pour le modèle LMDZ. Des premières preuves de l'intérêt de cette proposition ont été faites sur des scènes de convection nuageuse en comparant les résultats de la paramétrisation à des simulations 3D à très haute résolution (~100m) dites LES de la même scène [2]. La première partie de la thèse consistera à compléter ce modèle en faisant de la variance de l'eau une variable d'état à part entière du modèle. Il s'agira à la fois de développer des paramétrisations manquantes et de prendre en compte la variance de la vapeur d'eau comme une variable d'état du modèle, advectée à grande échelle, ce qui forcera à repenser plus fondamentalement le sens des variables d'état associées à la vapeur d'eau dans ces différentes phases. La seconde partie portera sur la prise en compte de cette variabilité dans la représentation du cycle de vie de la convection. En effet, beaucoup de travaux issus d'observations ou de simulation LES suggèrent que le développement des cellules convectives, la transition de la convection peu profonde vers la convection profonde, et l'organisation de la convection sont sensibles aux variations horizontales du contenu en vapeur d'eau de l'atmosphère à méso-échelle, un des mécanismes étant que les panaches se développent préférentiellement dans une atmosphère déjà humidifiée. La variabilité de la vapeur d'eau peut donc à la fois contrôler le déclenchement et l'intensité de la convection mais aussi son organisation. Dans cette partie, on profitera de l'originalité du modèle LMDZ d'avoir une paramétrisation relativement unique des poches froides créées par réévaporation des pluies sous les cumulo-nimbus, élément essentiel du cycle de vie de la convection et de son organisation. On se basera également sur l'analyse de simulations LES d'événements convectifs réalisées avec le modèle non-hydrostatique MESO-NH pour explorer les relations possibles entre la variabilité de l'eau et les propriétés des panaches convectifs (collaboration Catherine Rio, CNRM). Le travail mettra à profit des outils d'apprentissage machine développés par l'équipe en collaboration avec MétéoFrance et l'Université de Exeter, permettant de réajuster automatiquement les paramètres du modèle après l'introduction d'une nouvelle paramétrisation. L'arrivée de ces outils a permis de réouvrir le travail sur les paramétrisations, particulièrement actif depuis quelques années.

Until now, the subgrid scale distribution of water was “diagnosed” as a function of the state of the atmospheric column, taking into account, for example, the fact that the presence of convective plumes tends to increase the width of this distribution by bringing moist air from the surface to drier levels. A more sophisticated “prongostic” model is under construction for the LMDZ model. Initial proofs of the value of this proposal have been made on cloud convection scenes by comparing the parametrization results with very high-resolution (~100m) 3D LES simulations of the same scene [2]. The first part of the thesis will consist in completing this model by making water variance a state variable in its own right. This will involve both developing missing parameterizations and taking into account the variance of water vapor as a state variable of the model, advected on a large scale, which will force us to rethink more fundamentally the meaning of the state variables associated with water vapor in these different phases. The second part will focus on taking this variability into account in the representation of the convection life cycle. Indeed, much work based on observations or LES simulations suggests that the development of convective cells, the transition from shallow to deep convection, and the organization of convection are sensitive to horizontal variations in the water vapor content of the mesoscale atmosphere, one mechanism being that plumes develop preferentially in an already humidified atmosphere. The variability of water vapour can therefore control both the initiation and intensity of convection, as well as its organization. In this section, we will take advantage of the LMDZ model's unique ability to parameterize the cold pools created by the re-evaporation of rainfall under cumulonimbus clouds, an essential element in the life cycle of convection and its organization. Analysis of LES simulations of convective events using the non-hydrostatic MESO-NH model will also be used to explore possible relationships between water variability and convective plume properties (collaboration with Catherine Rio, CNRM). The work will take advantage of machine learning tools developed by the team in collaboration with MétéoFrance and the University of Exeter, enabling model parameters to be automatically readjusted after the introduction of a new parameterization. The arrival of these tools has reopened work on parameterizations, which had been particularly active for some years.