Description

Les vagues de chaleur marines (MHW) sont des événements où la température de la mer observée in situ ou par satellite dépasse largement les conditions normales pendant plusieurs jours à plusieurs mois (Juza et al., 2022). Le réchauffement climatique intensifie depuis les années 1980 l’intensité, la durée et la fréquence des MHW, et dégrade les écosystèmes (Hobday et al., 2016). Les projections climatiques indiquent que leur durée/intensité moyenne actuelle de 25 jours/0,8 °C pourrait tripler ou quadrupler si le réchauffement atteignait 3,5 °C (Frölicher et al., 2018).

Les simulations océaniques (ex. Pilo et al., 2019) et les réanalyses (Von Schuckmann et al., 2025) permettent des études détaillées des MHW, de leur structure 3D, et de leur variabilité forcée par l’atmosphère (VFA). La plupart de ces études négligent pourtant un phénomène révélé par des simulations ensemblistes : l’instabilité des courants génère des fluctuations aléatoires (variabilité intrinsèque chaotique, VIC) de température et de nombreux indices océaniques qui peuvent excéder la VFA, de l’échelle des tourbillons à celle des gyres et de décennies (https://tinyurl.com/mr65wwnn ; Héron et al, 2026).

L’analyse préliminaire d’une simulation ensembliste de la Méditerrannée sur 40 ans a montré que l’évolution des MHW en surface associée à la VFA est rendue notablement aléatoire par la VIC, qui influence le préconditionnement océanique. Nous avons constaté que cet effet, déjà identifié à mésoéchelle (Chapman et al., 2025), atteint des échelles bien plus grandes : en moyenne sur 1 an et sur 75000 km2, la durée (intensité) des MHW peut s’échelonner de 14 à 40 jours (0,7 à 1,1 °C) selon le membre de l’ensemble (https://tinyurl.com/nh626x6x). Quantifier ces incertitudes et en comprendre l’origine améliorerait la prévision des MHW, et aiderait à évaluer et concevoir des Aires Marines Protégées (AMP) efficaces : selon Arafeh-Dalmau et al. (2023), l’évolution des MHW et du climat nuira aux espèces vulnérables en transformant les AMP en « îlots de vulnérabilité » via une réduction de 50% de leur connectivité mutuelle, un chiffre qu’il faudra réévaluer au regard de ces incertitudes.

Ces enjeux plaident pour une étude probabiliste dédiée des MHW en Méditerranée, un bassin particulièrement touché (https://tinyurl.com/y4yb8jhe), avec une extension potentielle à l’Atlantique Nord. Par le développement de métriques et d’outils adaptés (comparaison modèle-observation, statistiques climatiques), nous examinerons à différentes échelles comment la VIC, en plus de la VFA et du changement climatique (Simon et al., 2023), influence les MHWs en 3D (la variabilité océanique étant plus aléatoire en profondeur : Penduff et al., 2018), leurs tendances à long terme et leur saisonnalité. Nous identifierons les mécanismes par lesquels la VIC transmet son caractère aléatoire au préconditionnement océanique, limitant ainsi la prévisibilité des MHW.

Dirigée par T. Penduff (IGE) et co-encadrée par A. Simon (LOPS), cette thèse impliquera également M. Juza (SOCIB). Elle contribuera aux projets MEDIATION et MAHEWA (PPR Océan & Climat), en exploitant observations in situ/satellitaires et données synthétiques d’ensemble (cartes SST et profils Argo), soutenant ainsi les activités d’OSSE initiées par l’INSU/CNRS et promues à l’IGE.

Arafeh-Dalmau et al. (2023) : https://doi.org/10.1016/j.oneear.2023.10.002
Chapman et al (2025) : https://doi.org/10.1029/2024JC021395
Close et al (2020) : https://doi.org/10.1016/j.pocean.2020.102314
Frölicher et al (2018) : https://doi.org/10.1038/s41586-018-0383-9
Hobday et al (2016) : http://dx.doi.org/10.1016/j.pocean.2015.12.014
Juza et al (2022) : https://doi.org/10.3389/fmars.2022.785771
Penduff et al (2018) : https://doi.org/10.5670/oceanog.2018.210
Pilo et al (2019) : https://doi.org/10.1029/2019GL084928
Simon et al (2023) : https://doi.org/10.1016/j.wace.2023.100619
Von Schuckmann et al (2025) : https://doi.org/10.5194/sp-6-osr9

Compétences requises

Ce sujet de thèse s'adresse à un(e) étudiant(e) motivé(e), intéressé(e) par la physique océanique, par l'analyse physique et statistique de simulations ensemblistes et d'observations. Un Master en océanographie physique, en météorologie, en sciences du climat, ou en mécanique des fluides géophysiques est requis. Une très bonne bonne maîtrise d'outils d'analyse informatique de grandes bases de données (idéalement Python) sera un plus.

Bibliographie

Arafeh-Dalmau et al. (2023) : https://doi.org/10.1016/j.oneear.2023.10.002
Chapman et al (2025) : https://doi.org/10.1029/2024JC021395
Close et al (2020) : https://doi.org/10.1016/j.pocean.2020.102314
Frölicher et al (2018) : https://doi.org/10.1038/s41586-018-0383-9
Hobday et al (2016) : http://dx.doi.org/10.1016/j.pocean.2015.12.014
Juza et al (2022) : https://doi.org/10.3389/fmars.2022.785771
Penduff et al (2018) : https://doi.org/10.5670/oceanog.2018.210
Pilo et al (2019) : https://doi.org/10.1029/2019GL084928
Simon et al (2023) : https://doi.org/10.1016/j.wace.2023.100619
Von Schuckmann et al (2025) : https://doi.org/10.5194/sp-6-osr9

Mots clés

Océanographie physique, Modélisation ensembliste, Evènements extrêmes, Prévisibilité, Climat, Analyse statistique