Apprentissage statistique pour les modèles climatiques 

Les modèles climatiques peinent à représenter précisément les structures de circulation atmosphérique liées aux événements extrêmes, et notamment leurs variations régionales. Cette thèse explore comment l’Allocation Latente de Dirichlet (LDA), une méthode d’apprentissage statistique issue du traitement du langage naturel, peut être utilisée pour évaluer la représentation par modèles climatiques de données telles que la pression au niveau de la mer (SLP). La LDA identifie un jeu de structures locales (ou motifs) à l’échelle synoptique, interprétables physiquement comme des cyclones et des anticyclones. La même base de motifs peut servir à décrire les données issues des modèles et des réanalyses, permettant de représenter toute carte SLP par une combinaison parcimonieuse de ces motifs. Les coefficients, ou poids, de ces combinaisons fournissent une information locale sur la configuration synoptique de la circulation. Les analyser permet de caractériser la structure de la circulation dans les réanalyses et les modèles, et ainsi d’identifier localement des biais globaux ou spécifiques aux événements extrêmes. Une erreur dynamique globale peut être définie à partir des différences de poids des données modèles avec les réanalyses. Cette méthodologie a été appliquée à quatre modèles de CMIP6. Bien que les modèles représentent correctement en général la
circulation à grande échelle, leurs erreurs sont plus élevées pour les vagues de froid et de chaleur. Une source d’erreur dans tous les modèles est liée aux motifs méditerranéens. Des critères d’évaluation supplémentaires ont été proposés. L’un s’appuie sur la fréquence d’apparition des motifs dans la représentation des cartes de pression. L’autre consiste à combiner l’erreur dynamique globale avec l’erreur de température, ce qui permet de différentier entre les modèles. Ces résultats démontrent le potentiel de la LDA pour l’évaluation et la préselection des modèles.

Cette soutenance se fera en présence du jury composé de :

• Marc BOCQUET, Professeur, CEREA, école des ponts
• Corentin HERBERT, Chargé de recherche CNRS, ENS de Lyon
• Mathieu VRAC, Directeur de recherche CNRS, LSCE
• François YVON, Directeur de recherche CNRS, ISIR, Sorbonne Université