Description

Le climat est généralement présenté comme un système très complexe, faisant intervenir de multiples composantes à des échelles d’espace et de temps extrêmement variées. Cependant, dans divers contextes de changements climatiques passés ou futurs, il serait nécessaire d’en avoir une représentation simplifiée, mais néanmoins robuste. L’approche traditionnelle de la simulation climatique comme un système dynamique dont la composante centrale, l’atmosphère, est fortement chaotique, ne permet pas de construire une telle modélisation simplifiée. En effet, ce type de modèle, souvent très détaillé, cherche à représenter au mieux le système climatique actuel. Cela nécessite de nombreux paramètres calibrés sur les observations instrumentales, sur les contextes météorologiques d’aujourd’hui. Ceci qui pose la question de la robustesse des résultats en contexte de changements climatiques. Les climatologues ont par le passé développé des « modèles de complexité intermédiaire », utilisés notamment en paléoclimatologie qui répondent au besoin de représentation simplifiée. Mais ceux-ci sont construit sur les mêmes bases que leurs aînés plus complexes : une résolution (partielle) de la dynamique des fluides géophysiques et des paramétrisations qui s’avèrent d’autant plus grossières que le modèle est simple.
La question d’une simulation simplifiée du climat se fondant sur des hypothèses physiques robustes est donc encore très largement ouverte. Une alternative est néanmoins possible avec une approche avant tout thermodynamique : c’est là l’objectif de cette thèse.
La maximisation de la production d’entropie (MEP) est avant tout une hypothèse « semi-empirique » utilisée dans diverses disciplines scientifiques. En climatologie, il s’agit d’une hypothèse de fermeture intéressante susceptible de représenter de façon uniforme et cohérente les phénomènes « sous maille ». Or ceux-ci interviennent à de nombreux niveaux en modélisation du climat, depuis la turbulence jusqu’aux interactions avec le monde vivant. Cette méthodologie a été utilisée en climatologie dès les années 1970s, dans le cadre de modèles à bilan d’énergie (EBM) [Paltridge, 1975; 1978 ; Herbert et al., 2011; 2012 ; 2013], c’est-à-dire des modèles très simples qui ne calculent que la température, souvent en 2D et en moyenne annuelle. Cette approche peut également être appliquée avec succès dans des modèles de colonne atmosphérique (modèles 1D radiatifs-convectifs, ou RCM) et permettent de calculer à la fois les températures [Labarre et al., 2019 ; 2020] mais aussi les précipitations [Pikeroen et al, 2024]. Par ailleurs, il est tout à fait possible d’inclure des dimensions temporelles cycliques (cycle diurne ou annuel) dans ce type de modèle [Paillard et al., 2013 ; Labarre et al., 2020]. L’assemblage de ces différents aspects permet maintenant d’envisager la construction d’un modèle simplifié d’atmosphère capable de reproduire les principales structures atmosphériques fondé sur le principe de la maximisation de la production d’entropie, sans utiliser aucune paramétrisation empirique.
Dans un premier temps, nous construirons un modèle associant les développements précédents : les dimensions horizontales (EBM) et verticales (RCM) pour obtenir un modèle simulant les températures en 3D avec la dimension saisonnière, ce qui permettrait de réaliser des simulations climatiques dans des contextes variés : pour le climat actuel et surtout pour des climats très différents, notamment dans le passé où des données contraignantes existent. Les résultats seront comparés à ceux des modèles classiques dans le contexte de PMIP (Paleoclimate Modeling Intercomparison Project). Dans un second temps, nous testerons également cette approche pour le calcul correspondant du cycle de l’eau et des précipitations. Une difficulté centrale de l’approche MEP sera de résoudre numériquement le problème d’optimisation associé à la discrétisation tri-dimensionelle de l’atmosphère qui sera de grande dimension.

Compétences requises

Compétences de base en physique, en programmation (python ou C++). Si possible, connaissances en climatologie, ou en optimisation.

Bibliographie

Herbert, C., Paillard, D., & Dubrulle, B. (2013). Vertical Temperature Profiles at Maximum Entropy Production with a Net Exchange Radiative Formulation. Journal of Climate, 26, 8545–8555.
Herbert, C., Paillard, D., Kageyama, M., & Dubrulle, B. (2011). Present and Last Glacial Maximum climates as states of maximum entropy production. Quarterly Journal of the Royal Meteorological Society, 137(657), 1059–1069. http://doi.org/10.1002/qj.832
Herbert, C. (2012). Applications de la mécanique statistique à la modélisation du climat. Thèse.
Labarre, V., Paillard, D., & Dubrulle, B. (2019). A radiative-convective model based on constrained maximum entropy production. Earth System Dynamics, 10(3), 365–378. http://doi.org/10.5194/esd-10-365-2019
Labarre, V., Paillard, D., & Dubrulle, B. (2020). A Maximum Entropy Production Hypothesis for Time Varying Climate Problems: Illustration on a Conceptual Model for the Seasonal Cycle. Entropy, 22(9), 966–. http://doi.org/10.3390/e22090966
Labarre, V. (2020). Représentation des processus sous-mailles dans les modèles simpliés de climat: maximisation de la production d’entropie et modélisation stochastique. Thèse.
Paillard, D., & Herbert, C. (2013). Maximum Entropy Production and Time Varying Problems: The Seasonal Cycle in a Conceptual Climate Model. Entropy, 15, 2846–2860.
Paltridge, G. W. (1975). Global dynamics and climate - a system of minimum entropy exchange. Quarterly Journal of the Royal Meteorological Society, 101, 475. http://doi.org/10.1002/qj.49710142906
Paltridge, G. W. (1978). The steady-state format of global climate. Quarterly Journal of the Royal Meteorological Society, 104, 927. http://doi.org/10.1256/smsqj.44205
Pikeroen, Q., Paillard, D., & Watrin, K. (2024). A radiative–convective model computing precipitation with the maximum entropy production hypothesis. Geoscientific Model Development, 17(9), 3801–3814. http://doi.org/10.5194/gmd-17-3801-2024

Mots clés

climat, modélisation du climat, entropie, optimisation