42 articles
Cette étude présente la première application du « nudging spectral » dans un cadre de prévision d'ensemble probabiliste, démontrant que le couplage du système physique IFS-ENS avec le modèle d'apprentissage automatique AIFS-ENS améliore significativement la compétence prédictive à grande échelle et les trajectoires des cyclones tropicaux sans dégrader l'intensité des tempêtes.
Bien que l'intelligence artificielle promette d'accélérer la production d'informations climatiques, ce papier met en garde contre le risque qu'elle exacerbe les inégalités mondiales en raison d'une infrastructure inégale et de biais de données, et propose une transition vers des modèles centrés sur les données, des infrastructures numériques publiques et une co-production des connaissances pour garantir une résilience équitable.
Les auteurs présentent un modèle dynamique à boîtes open-source pour simuler le cycle abiotique du soufre sur des planètes terrestres de type Terre, révélant qu'en l'absence de vie, les sédiments marins contiendraient deux ordres de grandeur plus de sulfate et quatre ordres de grandeur moins de sulfure que sur la Terre actuelle.
Cette étude démontre que l'utilisation de méthodes de déplacement de maillage basées sur l'apprentissage automatique (UM2N) au sein du modèle Thetis améliore considérablement l'efficacité et la robustesse des simulations de tsunamis non hydrostatiques pour l'évaluation des risques côtiers, tout en maintenant une haute précision par rapport aux données de référence.
Bien que le modèle météorologique IA Aurora démontre des compétences prédictives solides pour divers événements extrêmes à court terme (1 à 7 jours), son efficacité pour l'intensité de ces événements s'efface au-delà de 7 à 10 jours en raison de la régression des champs vers la climatologie, révélant ainsi que l'horizon de prévisibilité déterministe reste contraint par la dynamique atmosphérique intrinsèque.
Le papier présente Flo, un modèle de surcote côtière basé sur l'apprentissage automatique et couvrant la mer du Nord, la mer de Norvège et la mer de Barents, qui atteint une précision comparable aux modèles physiques traditionnels tout en offrant une base prometteuse pour l'intégration future de données d'observation.
Cette étude démontre que l'utilisation d'intégrateurs temporels d'ordre supérieur basés sur des méthodes de Runge-Kutta, couplés à un pas de temps adaptatif, permet de modéliser avec précision la microphysique des précipitations dans le modèle E3SMv3 tout en étant plus de dix fois plus rapide que l'approche actuelle utilisant le schéma P3 avec des limiteurs ad hoc.
En combinant l'analyse génétique et la théorie des trajectoires réactives appliquée aux données de dériveurs océaniques, cette étude démontre que la connectivité larvaire entre les îles de la Ligne et l'atoll de Clipperton à travers la Barrière de l'Est Pacifique est faible mais réelle, régie principalement par la modulation saisonnière du contrecourant équatorial nord plutôt que par l'ENSO.
Ce papier présente EnsAI, un système d'ensemble basé sur l'IA pour les constituants chimiques atmosphériques qui, après un coût initial d'entraînement, permet de générer des ensembles 3 300 fois plus rapidement que le modèle GEM-MACH tout en conservant une précision équivalente pour l'assimilation de données et l'inversion des émissions.
Cette étude propose que l'appauvrissement en éléments volatils de la Lune par rapport à la Terre résulte d'un écoulement hydrodynamique issu de l'atmosphère étendue du disque proto-lunaire, dominé par l'hydrogène, qui a expulsé les volatils dans l'espace interplanétaire tandis que l'atmosphère terrestre, plus compacte et riche en carbone, conservait son inventaire.
Cette étude rapporte la première détection confirmée à haute résolution spectrale (R = 190 000) de la molécule C3 dans l'atmosphère de Titan grâce aux observations VLT-ESPRESSO, validant ainsi l'efficacité des techniques développées pour l'exoplanétologie appliquées aux objets du Système solaire.
Cet article présente la Latent Data Assimilation (LDA), un cadre d'assimilation de données bayésienne dans un espace latent appris par autoencodeur qui garantit la cohérence physique des analyses atmosphériques globales et améliore la qualité des prévisions par rapport aux méthodes traditionnelles.
Cette étude présente des preuves expérimentales et une théorie soutenant qu'une turbulence sous-marine ambiante interagit avec les vagues de surface pour générer un écoulement moyen d'Euler qui s'oppose partiellement à la dérive de Stokes, un phénomène décrit par un modèle de théorie de distorsion rapide ayant des implications majeures pour le transport des matériaux dans les océans.
Cet article étend un modèle théorique d'atténuation des ondes dans une glace brisée d'épaisseur aléatoire aux eaux de profondeur finie, démontrant par une analyse multi-échelles et des simulations numériques que l'atténuation est proportionnelle à la huitième puissance de la fréquence aux basses fréquences et présentant un effet de saturation aux fréquences plus élevées.
Ce rapport évalue la précision des données de houle haute fréquence fournies par quatre types de bouées et révèle que les bouées Datawell Waverider ont tendance à surestimer systématiquement les niveaux d'énergie par rapport aux autres types, ce qui soulève des préoccupations pour les applications de modélisation prédictive.
En utilisant un modèle linéaire à retard basé sur les budgets énergétiques du Pacifique Est, cette étude démontre que le réchauffement climatique provoque d'abord une augmentation transitoire puis un déclin à long terme de l'intensité d'ENSO, révélant par ailleurs que des émissions plus rapides entraînent un pic de variabilité plus élevé même pour un total d'émissions identique.
Cette étude utilise une hiérarchie de modèles climatiques pour démontrer que, bien que l'intensification des vents extrêmes extratropicaux soit robuste face au réchauffement, les projections régionales restent incertaines en raison de divergences dans la représentation physique des systèmes météorologiques extrêmes.
Cette étude démontre que le frottement accru et le mélange turbulent induits par le relief montagneux de la Jamaïque sont des facteurs majeurs du rapide affaiblissement de l'ouragan Melissa (2025), bien que des dynamiques asymétriques et des rétroactions thermodynamiques contribuent également à cette décélération.
Cette étude présente un cadre d'apprentissage profond utilisant des réseaux de neurones convolutifs pour détecter automatiquement et caractériser statistiquement les structures d'ondes de gravité à l'échelle des rides dans la mésosphère, afin de mieux comprendre les mécanismes d'instabilité atmosphérique.
Ce papier présente une méthode de descente d'échelle climatique basée sur des interpolants stochastiques qui transforme efficacement les sorties de modèles climatiques globaux en projections régionales haute résolution à un coût computationnel bien inférieur à celui des modèles régionaux traditionnels.