Nouvelle approche de calibration basée sur l'apprentissage automatique : application au modèle de climat régional ALADIN

Résumé de la conférence

Les paramétrisations physiques telles que le rayonnement ou la convection utilisées dans les modèles de climat régional nécessitent des approximations introduisant un certain nombre de paramètres, généralement non directement observables et donc difficiles à contraindre, générant ainsi de fortes incertitudes. L'ajustement de ces paramètres, appelé calibration ou tuning, est une étape clé de la modélisation climatique, visant à construire des modèles plus cohérents avec les observations. Des approches de calibration automatique ont été récemment développées pour les modèles globaux, mais cette question de la calibration est encore rarement abordée dans la littérature de la modélisation climatique régionale. L'objectif de ce travail est d'utiliser une nouvelle approche de calibration basée sur l'apprentissage automatique, appliquée au modèle de climat régional ALADIN développé au CNRM.

Dans la présentation, nous détaillerons d'abord cette approche, puis nous présenterons les résultats obtenus pour le modèle ALADIN sur le domaine Euro-CORDEX à une résolution horizontale de 12,5 km. Nous comparerons les simulations passées (pilotées par ERA5, 1979-2020) avec la version existante d'ALADIN63 utilisée dans les simulations Euro-CORDEX précédentes, et avec la nouvelle version ainsi calibrée.