Un nuage d'orage (source : équipe PRECIP)

Équipe PRECIP

Équipe PRECIP

Groupe : GMME

Responsable d’équipe : François Bouttier

Domaine d’activité

L’équipe PRECIP (PREcipitations Convectives et ImPacts) mène des recherches sur l’observation, l’étude et la prévision de la convection profonde et ses impacts aux latitudes moyennes. Ces travaux portent notamment sur le traitement des mesures, les simulations numériques et la valorisation de leurs produits.

Qu’est-ce que la convection profonde ? C’est le phénomène physique à l’origine de la formation de nuages à forte extension verticale appelés cumulonimbus. Les cumulonimbus sont appelés orages dès l’apparition d’éclairs en leur sein, et sont à l’origine de précipitations qui, lorsqu’elles atteignent le sol, prennent la forme d’averses de pluie, de neige, de neige roulée, de grésil ou de grêle. Les cumulonimbus peuvent engendrer une variété de phénomènes rotatifs dans l’atmosphère, dont une des manifestations les plus violentes est la tornade.

Thèmes de recherche

  • Amélioration des connaissances sur les phénomènes convectifs et leur prévision : orages, grêle, précipitations extrêmes, en particulier les épisodes méditerranéens.
  • Prévision immédiate et prévision probabiliste à échelle kilométrique. Améliorer les prévisions des orages et précipitations extrêmes par des algorithmes d’apprentissage automatique gérant les incertitudes, les flux rapides d’observations, des modèles d’impacts (incluant inondations et crues soudaines) et les problématiques de prise de décision.
  • Étudier et évaluer l’utilisation de nouvelles techniques et nouveaux systèmes d’observation de l’atmosphère à haute résolution spatio-temporelle telles que les observations issues d’objets connectés près de la surface ou les observations polarimétriques issues des radars météorologiques. Évaluer l’intérêt de l’assimilation de ces nouvelles observations dans les modèles de prévision numérique du temps.
  • Interactions atmosphère-océan-vagues : mieux prendre en compte les interactions océan-atmosphère dans la modélisation et la prévision météorologique et climatique, notamment le rôle des vagues et la prévision des submersions côtières.

Ces recherches s’appuient sur des bases de données et outils de prévision à haute résolution, notamment les modèles numériques Méso-NH et AROME, ce qui leur permet de contribuer aux améliorations du système de prévision de Météo-France.

Principales actions en cours

  • Exploitation des données d’objets connectés : acquisition, traitement, contrôle de qualité, visualisation en temps réel, exploitation en synergie avec d’autres systèmes d’observation pour l’étude de phénomènes en lien avec la convection profonde, assimilation pour la prévision opérationnelle à échelle kilométrique.
  • Utilisation des mesures par radar, notamment l’exploitation des variables polarimétriques, l’opérateur de simulation radar en lien avec la modélisation de la microphysique nuageuse, la simulation numérique des orages violents, l’utilisation des radars avec des techniques d’IA pour observer la grêle.
  • Étude et modélisation pour la prévision des phénomènes liés aux orages violents : grêle, tornades, pluies extrêmes et leurs impacts. Techniques d’interprétation des prévisions numériques probabilistes, incluant l’automatisation de prévisions, l’aide à la décision pour les prévisionnistes, le forçage de modèles de prévision des crues et inondations.
  • Étude et modélisation numérique des phénomènes couplant l’atmosphère, l’océan et les vagues, incluant les outils d’aide à la prévision des submersions côtières.

Principaux programmes et projets

En 2025, l’équipe PRECIP participe aux projets suivants, qui permettent de structurer et financer ces travaux de recherche :

  • AROBASE : développement d’un modèle à haute résolution du système Terre couplant atmosphère et océan (financement Météo-France/CNRS).
  • AMAZOA : couplage océan/atmosphère lors des canicules marines (financement CNRS GDR).
  • AWARE : impact des vagues sur les échanges océan/atmosphère (financement ANR).
  • EXDOMO : Exploitation de données massives d’observation pour l’étude et la prévision de la convection profonde atmosphérique (financement CNRS INSU-LEFE).
  • IoT Observations for NWP : utilisation d’observations issues d’objets connectés (Internet des Objets, IdO) pour la Prévision Numérique du Temps (PNT). Projet pilote financé par le CEPMMT et porté par EUMETNET.
  • IRICLIM : gestion des risques hydroclimatiques (financement PEPR IRIMA), prévision des crues et inondations soudaines, en collaboration avec l’Univ. Eiffel, BRGM, INRAE, SCV (Vigicrues).
  • PRAISE (projet ANR soumis) : sur l’exploitation des observations radar polarimétriques et leur assimilation pour améliorer les prévisions météorologiques, en collaboration avec le DFG (centre de recherche allemand).
  • PRAMAG : influence de la houle sur le vent (financement ANR).

Publications scientifiques récentes

2025

  • Charpentier-Noyer, M., O. Payrastre, P. Nicolle, H. Marchal, F. Bouttier et E. Gaume, 2025 : An agent-based modeling of rescue operations for the evaluation of short-range flash flood ensemble forecasts. Accepted in Journal of Hydrology. https://doi.org/10.1016/j.jhydrol.2025.133048
  • Colas, G., V. Masson, F. Bouttier, L. Bouilloud, L. Pavan, V. Karisto, 2025 : Improved winter conditions in SURFEX-TEB v9.0 with a multi-layer snow model and ice for road winter maintenance. Geophys. Model Dev. https://doi.org/10.5194/egusphere-2024-1039
  • David, C., Augros, C., Vié, B., Bouttier, F., and Le Bastard, T.: Improved simulation of thunderstorm characteristics and polarimetric signatures with LIMA two-moment microphysics in AROME, Atmos. Meas. Tech., 18, 3715–3745, https://doi.org/10.5194/amt-18-3715-2025
  • Demortier, A., Mandement, M., Pourret, V., and Caumont, O., 2025 : Assimilation of temperature and relative humidity observations from personal weather stations in AROME-France, Nat. Hazards Earth Syst. Sci., 25, 429–449, https://doi.org/10.5194/nhess-25-429-2025
  • Fleury, A., F. Bouttier, T. Bergot, 2025 : Calibration of parameter perturbations for ensemble prediction using a stochastic inverse problem. Accepted for publication in Mon. Wea. Rev. in Jan 2025.
  • Gauvrit, E., Bouin, M.‐N., Delouis, J.‐ M., & Boulanger, F., 2024 : Advances on the links between turbulent and submeso‐ to mesoscales during EUREC4A. Earth and Space Science, 11, e2024EA003865. https://doi.org/10.1029/2024EA003865 (à paraître)
  • Vernay, M., Lafaysse, M., and Augros, C., 2024 : Radar based high resolution ensemble precipitation analyses over the French Alps. Atmos. Meas. Tech, 18, 1731-1755. https://doi.org/10.5194/amt-18-1731-2025

2024

  • Bouttier, F. et H. Marchal, 2024: Probabilistic short-range forecasts of high precipitation events : optimal decision thresholds and predictability limits. Nat Hazards Earth Sys Sci, 24, 2793-2816. https://doi.org/10.5194/nhess-24-2793-2024
  • Bouttier, F., et Mandement, M., 2024 : Vers une anticipation à 1-6h des risques de pluies intenses quasi-stationnaires. LHB, 110(1). https://doi.org/10.1080/27678490.2024.2325698.
  • Bouin, M-N., Lebeaupin Brossier, C., Malardel, S., Voldoire, A., Sauvage, C., 2024 : The wave-age-dependent stress parameterisation (WASP) for momentum and heat turbulent fluxes at sea in SURFEX v8.1, Geosci. Model Dev., 17, 117–141, https://doi.org/10.5194/gmd-17-117-2024
  • Brilouet, P.-E., Redelsperger, J.-L., Bouin, M.-N., Couvreux, F. et Villefranque, N., 2024 : A numerical study of ocean surface layer response to atmospheric shallow convection: impact of cloud shading, rain and cold pool. Quarterly Journal Of The Royal Meteorological Society, 150(760), Part A. 1401-1419. https://doi.org/10.1002/qj.4651 ; https://archimer.ifremer.fr/doc/00869/98109/
  • Combarnous P., M. Martet, O. Caumont, E. Defer, 2024 : Assimilation of satellite lightning data in a storm-scale numerical weather prediction system using a 3D-EnVar data assimilation scheme. Mon. Wea. Rev. https://doi.org/10.1175/MWR-D-23-0100.1
  • Chambon P. et Mandement M., 2024 : Recherches et développements pour l’exploitation future des observations par assimilation de données pour la prévision numérique du temps. Comité Scientifique Consultatif de Météo-France. 2024. https://meteofrance.hal.science/meteo-04610170
  • Demortier, A., Mandement, M., Pourret, V., Caumont, O., 2024 : Assimilation of surface pressure observations from personal weather stations in AROME-France, Nat. Hazards Earth Syst. Sci., 24, 907–927, https://doi.org/10.5194/nhess-24-907-2024
  • Forcadell, V., Augros, C., Caumont, O., Dedieu, K., Ouradou, M., David, C., Figueras i Ventura, J., Laurantin, O., and Al-Sakka, H., 2024 : Severe hail detection with C-band dual-polarisation radars using convolutional neural networks, Atmos. Meas. Tech. 17, 6707-6734, https://doi.org/10.5194/amt-17-6707-2024
  • Forster, A., Augros, C., Masson, V., 2024. Urban influence on convective precipitation in the Paris region : Hectometric ensemble simulations in a case study. Quart. J. Roy. Met. Soc., https://doi.org/10.1002/qj.4749
  • Lebeaupin Brossier, C., 2024 : Processus océan-atmosphère, prévision couplée à fine-échelle et précipitations intenses sur le bassin méditerranéen occidental. Habiliation à Diriger Les Recherches, Univ. Toulouse III – Paul Sabatier, 140pp. https://meteofrance.hal.science/tel-04556105

Membres de l’équipe

A
B
D
L
M
N
P
T

Rechercher