Groupe: GMGEC
Responsable d’équipe : David Saint-Martin
Domaines d’activité
L’équipe GLOB-ATM contribue aux recherches sur la compréhension des processus atmosphériques aux échelles climatiques, sur la modélisation climatique à haute résolution et sur l’utilisation de l’intelligence artificielle pour la modélisation climatique. Pour réaliser ses objectifs scientifiques, l’équipe s’appuie sur des modèles théoriques, des expériences numériques, des observations. Dans le domaine de la modélisation climatique, l’équipe explore à la fois des approches classiques de développement sur la base d’équations physiques et des approches nouvelles utilisant des algorithmes d’apprentissage statistique.
Thèmes de Recherche
- Contribution aux recherches sur la compréhension des processus atmosphériques aux échelles climatiques à travers :
- l’utilisation d’approches théoriques et innovantes
- l’amélioration de la représentation des processus non résolus et exploration de l’incertitude associée à cette représentation
- Contribution aux recherches sur la modélisation climatique à très haute résolution via :
- l’exploration des problèmes d’ordre à la fois techniques et physiques (e.g. zone grise de la convection, modèle océanique) liés à l’augmentation de résolution jusqu’à l’échelle kilométrique
- l’étude et documentation de la valeur ajoutée de la très haute résolution, par exemple pour la modélisation des phénomènes extrêmes
- Contributions aux recherches sur l’utilisation de l’IA pour la modélisation climatique en :
- explorant et documentant les problèmes d’ordre à la fois techniques (e.g. choix des algorithmes) et physiques (e.g. utilisation en climat futur)
- analysant le coût-bénéfice de l’utilisation de l’IA pour la modélisation climatique
Pour répondre à ces problématiques, nous avons récemment développé le modèle d’atmosphère, global, optimisé et multi-résolutions, ARP-GEM (lien vers : https://arxiv.org/abs/2409.19083, https://arxiv.org/abs/2409.19089). Ce modèle permet d’ores et déjà de réaliser des simulations pluriannuelles globales à des résolutions proches de 3 km. Le modèle permet également la prise en compte ‘en-ligne’ d’algorithmes IA (https://arxiv.org/abs/2410.21920).
Membres de l’équipe GLOB-ATM :
Olivier Geoffroy