Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Extrêmes saisonniers humides et secs dans les moyennes latitudes: mécanismes physiques et simulations pa

 Offre 1 / 1 

Détail de l'offre

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

SL-DRF-27-0344  

Direction

DRF

Description du sujet de thèse

Domaine

Science de la terre et de l'environnement

Sujets de thèse

Extrêmes saisonniers humides et secs dans les moyennes latitudes: mécanismes physiques et simulations par les modèles de climat

Contrat

Thèse

Description de l'offre

Les événements météorologiques et climatiques extrêmes ont fait l'objet d'une attention particulière en météorologie et climatologie. L'évolution de leur fréquence et de leur intensité revêt un intérêt particulier dans le contexte du réchauffement climatique, car la plupart des dommages sociétaux et écologiques peuvent être causés par seulement quelques événements. Il existe une littérature abondante sur les phénomènes extrêmes se produisant à des échelles de temps météorologiques (~10 jours), mais les travaux consacrés aux phénomènes extrêmes saisonniers sont beaucoup moins nombreux. Cela malgré le fait que ces extrêmes sont potentiellement les plus impactants, comme l’illustre l’été exceptionnellement chaud et sec de 2026 en Europe de l’ouest. Les phénomènes extrêmes saisonniers sont plus difficiles à étudier, car ils se situent dans une zone grise entre les échelles de temps climatologiques et météorologiques, où les mécanismes physiques sont en partie déterministes (c’est-à-dire un problème de conditions initiales, comme en météorologie) et en partie probabilistes (c’est-à-dire un problème de conditions aux limites, comme en climatologie). Leur étude nécessite donc de recourir à la fois à des approches déterministes et probabilistes. De nombreux outils restent à développer ou à adapter (par exemple, ceux issus de la théorie des valeurs extrêmes, de la théorie des grandes déviations et du machine learning) et, surtout, les modèles climatiques n'ont pas encore fait l'objet d'une évaluation systématique quant à leur capacité à reproduire les événements extrêmes saisonniers et les mécanismes de récurrence qui y sont associés. Les outils de machine learning, qui permettent d’apprendre les relations entre les variables au sein de grands ensembles de données climatiques, offrent la possibilité de faire passer ce type d'analyse à l’échelle, mais nécessitent une évaluation fondée sur des principes physiques. Ce projet de thèse a pour objectif d'étudier les mécanismes physiques à l'origine des extrêmes humides et secs à l'échelle saisonnière, d'évaluer la capacité des modèles climatiques à reproduire et à simuler ces mécanismes, ainsi que de quantifier et d'expliquer d'un point de vue physique l'évolution future de ces saisons extrêmes en réponse aux forçages anthropiques. Le but de la thèse sera d'aller au-delà de la description statistique des saisons extrêmes (en utilisant les outils classiques ou le ML), en établissant un lien entre cette description et les mécanismes physiques qui expliquent ces propriétés statistiques pour déterminer si les modèles climatiques reproduisent les propriétés statistiques des extrêmes saisonniers pour les bonnes raisons physiques. L'idée principale de l'approche proposée ici est que les outils issus de la physique statistique (e.g. la théorie des grandes déviations), du machine learning, de la climatologie et de la météorologie peuvent être utilisés conjointement pour aboutir à une meilleure compréhension de ces événements.

Université / école doctorale

Sciences de l’Environnement d’Île de France (SEIF)

Paris-Saclay

Localisation du sujet de thèse

Site

Saclay

Critères candidat

Formation recommandée

Master en Science du Climat, Mathematiques, Physique

Demandeur

Disponibilité du poste

01/10/2027

Personne à contacter par le candidat

Faranda Davide davide.faranda@lsce.ipsl.fr

CEA

DRF/LSCE

Bat 714, Piece 1007, Orme des Merisiers, 91191 Gif-sur-Yvette

0169085232

Tuteur / Responsable de thèse

Faranda Davide davide.faranda@lsce.ipsl.fr

CEA

DRF/LSCE

Bat 714, Piece 1007, Orme des Merisiers, 91191 Gif-sur-Yvette

0169085232

En savoir plus

https://www.lsce.ipsl.fr/Pisp/davide.faranda/

https://www.lsce.ipsl.fr/climat-cycles/estimr/