LOCALISING
Atteindre l’échelle locale dans les études climatiques

Aperçu

Explorer la meilleure façon de fournir des informations climatiques locales, à la fois précises et fiables, en soutien aux stratégies d’adaptation locales au changement climatique.

Responsable :
Samuel SOMOT (Météo-France – CNRM)

Co-responsable :
Mathieu VRAC (CNRS – LSCE-IPSL)

Le projet ciblé LOCALISING vise à définir et explorer la meilleure façon de fournir des informations climatiques locales à la fois précises et fiables, en soutien aux stratégies d’adaptation.

Le PC10 LOCALISING élaborera des modèles de systèmes climatiques locaux, multi-composants et entièrement couplés afin d’obtenir une représentation à l’échelle du kilomètre et de l’heure, et combine modèles dynamiques et approches statistiques pour caractériser l’incertitude à l’échelle locale.

Pour atteindre ces objectifs, LOCALISING ambitionne de surmonter plusieurs défis techniques et scientifiques :

1. Augmenter la résolution des modèles climatiques et résoudre les goulets d’étranglement qui en découlent ;

2. Développer les modèles pour représenter les nouveaux processus et rétroactions locales à ces hautes résolutions ;

3. Étudier les processus physiques, chimiques et biogéochimiques clefs à l’échelle locale pour une meilleure compréhension des phénomènes climatiques, en particulier les extrêmes pertinents pour la société ;

4. Tirer parti des techniques émergentes d’apprentissage automatique pour quantifier l’incertitude à moindre coût, en développant de nouvelles techniques de descente d’échelle statistiques et hybrides ;

5. Assurer la cohérence des informations climatiques tout au long de la chaîne de modélisation, des modèles climatiques globaux jusqu’aux données climatiques à fine échelle ;

6. Assurer la transportabilité des méthodes développées partout dans le monde et soutenir une grande diversité d’utilisateurs.

Mots-clefs : modélisation climatique régionale, modélisation à très haute résolution, réduction d’échelle statistique, émulateur, fiabilité, réseau de neurones, informations climatiques locales

Les tâches

Nos recherches

Développer et évaluer un système de modélisation climatique à l’échelle kilométrique robuste, flexible et partageable, incluant les différents composants des systèmes climatiques locaux et leur couplage

Développer, appliquer et partager une plateforme de modélisation climatique à l’échelle kilométrique qui s’appuiera sur des modèles communautaires tels qu’AROME, NEMO, SURFEX-CTRIP, le schéma d’aérosol TACTIC et OASIS.

Développer des méthodes d’apprentissage automatique pour le rétro-échantillonnage statistique et l’émulation de modèles, et examiner l’incertitude dans les projections à haute résolution associées

Développer l’apprentissage des relations de descente d’échelle observées, ainsi que des approches hybrides combinant modèles dynamiques et apprentissage automatique pour réduire les coûts et explorer l’incertitude des projections à échelle locale.

Fournir des données climatiques pertinentes et fiables, des connaissances et des informations pour étudier les phénomènes climatiques locaux et ainsi aider à l’élaboration de stratégies d’adaptation au changement climatique à l’échelle locale

Assurer la cohérence des informations climatiques à travers la chaîne de modélisation pour répondre aux choix clefs.

Améliorer la connaissance de la variabilité et des évolutions passées et futures des phénomènes locaux à l’échelle du climat.

Assurer la transférabilité des développements vers d’autres zones d’intérêt.

Produire des jeux de données pour nourrir la prochaine génération des services climatiques d’adaptation au changement climatique.