Studying extreme heatwaves using novel theoretical approaches
Étude de vagues de chaleur extrêmes à l'aide de nouvelles approches théoriques
Résumé
Studying extreme weather events, such as heatwaves, is a fascinating growing field and poses several methodological and computational challenges. Understanding the physical mechanisms which drive heatwaves and being able to forecast them is of pivotal importance in the context of mitigation and adaptation to the current climate crisis. A new theoretical framework which addresses both tasks is developed in this thesis and applied to mid-latitudes heatwaves. This framework, called the Gaussian Approximation, relies on simple but meaningful assumptions on the statistics of weather fields relevant for heatwaves. It proves to capture well the salient features of atmospheric conditions predominant during those events and to have competitive or even better predictive skills than other more complex weather prediction models. Another major challenge when dealing with extreme heatwaves, and extreme events in general, is that they suffer from an intrinsic sampling problem, due to their rareness. Historical records are too short and direct simulations are simply too expensive for having a good estimation of these events. Sampling algorithms, such as the rare events algorithms, tackle this task resulting in both improving the quality and the efficiency of extreme events simulation. In this thesis, this class of algorithm has been applied for the study of double jet stream state, an interesting rare phenomenon which is linked to heatwave occurrence at mid-latitudes. The study consists in coupling a climate model (CESM) with a properly chosen score function, which describes the salient features of the phenomenon, in order to sample extreme and unprecedented events.
L’étude des phénomènes météorologiques extrêmes, tels que les vagues de chaleur, est un domaine fascinant en pleine expansion et pose plusieurs défis méthodologiques et en termes de calcul. Comprendre les mécanismes physiques à l’origine des vagues de chaleur et être capable de les prévoir est d’une importance capitale dans le contexte de l’atténuation et de l’adaptation à la crise climatique actuelle. Un nouveau cadre théorique qui aborde ces deux tâches est développé dans cette thèse et appliqué aux vagues de chaleur des latitudes moyennes. Ce cadre, appelé Approximation Gaussienne, repose sur des hypothèses simples mais significatives concernant les statistiques des champs météorologiques pertinents pour les vagues de chaleur. Il s’avère qu’il capture bien les caractéristiques principales des conditions atmosphériques prédominantes pendant ces événements et qu’il a des capacités prédictives compétitives, voire meilleures, que d’autres modèles de prévision météorologique plus complexes. Un autre défi majeur dans le traitement des vagues de chaleur extrême, et des événements extrêmes en général, est qu’ils souffrent d’un problème intrinsèque d’échantillonnage, en raison de leur rareté. Les données historiques sont trop courtes et les simulations directes sont tout simplement trop coûteuses pour bien caractériser ces événements. Les algorithmes d’événements rares s’attaquent à cette tâche, ce qui permet d’améliorer à la fois la qualité et l’efficacité de la simulation des événements extrêmes. Dans cette thèse, cette classe d’algorithmes a été appliquée à l’étude de l’état du double jet stream, un phénomène rare et intéressant lié à l’apparition de vagues de chaleur aux latitudes moyennes. L’étude consiste à coupler un modèle climatique (CESM) avec une fonction de score bien choisie, qui décrit les caractéristiques saillantes du phénomène, afin d’échantillonner des événements extrêmes et sans précédent.
Domaines
Physique [physics]| Origine | Version validée par le jury (STAR) |
|---|