Retrouvez tous les événements.
L'exploitation des données anciennes
24/11/2026 14:00
Le thème « Système Solaire » de l’IPSL vous convie à une demi-journée consacrée à l’exploitation des données anciennes le mardi 24 novembre 2026.
IPSL Masterclass: “(Paleo)Climate Modelling for experimental scientists”
14/10/2026 11:54
The masterclass is aimed at PhD students and postdocs coming from an experimental background who want to understand how a climate model works and how they might use climate model output in their own research. All career stages are welcome to attend, though priority will be given to PhD students/postdocs if capacity becomes limiting.
Retrouvez tous les séminaires.
legoESM a composable, differentiable Earth Sysmte model written by AI agents
12/11/2026 11:15
Séminaire du département de Géosciences de l’ENS.
Prévisions, projections, scénarios : quelles informations climatiques sont utiles pour les opérations humanitaires ?
27/10/2026 18:30
L’ONG Médecins Sans Frontières organise une conférence le mardi 27 octobre prochain, pour croiser le regard de climatologues et d’humanitaires sur les outils de prévision climatique et leur usage opérationnel.
Retrouvez toutes les soutenances de thèses et de HDR.
Apport de la modélisation des transferts d’eau et de température en milieu karstique pour l’étude de l’impact du changement climatique sur le devenir des grottes ornées : application à la grotte de Villars (Dordogne, France)
19/11/2026 14:00
Le changement climatique modifie les conditions de conservation des grottes ornées, par le réchauffement de l’atmosphère et par l’augmentation attendue de l’intensité et de la fréquence de certains épisodes pluvieux extrêmes. Cette thèse évalue comment ces changements peuvent affecter la grotte ornée de Villars, en Dordogne. La réponse à cette problématique est abordée selon quatre axes complémentaires :
(1) mieux caractériser le karst du site de Villars par des méthodes géophysiques et des mesures pétrophysiques en laboratoire,
(2) modéliser le transfert d’eau dans l’épikarst,
(3) simuler le transfert thermique entre l’air et le sol situé au-dessus de la grotte et
(4) modéliser le transfert thermique dans la grotte ainsi que les processus de diagenèse associés. Les modélisations sont calibrées dans les conditions actuelles à partir de mesures de terrain. Les modèles calibrés sont ensuite utilisés pour étudier la réponse du système à différents scénarios de changement climatique.
Cette thèse a d’abord permis, sur le site de Villars, de mettre en évidence la présence de deux lithologies aux propriétés pétrophysiques distinctes, caractérisées par des contrastes de perméabilité et de porosité de fissures. La modélisation hydrologique a ensuite montré que les principales dynamiques du goutte-à-goutte d’une stalactite située dans la grotte peuvent être reproduites en combinant un modèle conceptuel de réservoir épikarstique avec un modèle distribué à double perméabilité.
Les projections climatiques indiquent une augmentation des événements extrêmes de goutte-à-goutte sous la stalactite plus marquée que celle des précipitations extrêmes qui en sont la cause.
La modélisation thermique, quant à elle, a montré que l’estimation de la température du sol au-dessus de la grotte à partir de la température de l’air dépend fortement de l’approche utilisée : un modèle d’apprentissage profond (deep learning) est plus performant à court terme, tandis que les modèles à base physique semblent plus fiables pour les projections à long terme.
Enfin, la modélisation 3D de différents phénomènes physiques (conduction, convection et rayonnement) a permis de retrouver la température mesurée en différents points de la grotte.
Les projections thermiques indiquent que les zones proches de la surface ou des entrées/sorties de la grotte auront des conditions plus favorables à l’évaporation et à la précipitation de calcite, d’où un risque d’apparition d’un voile de calcite sur les parois ornées.
Les conditions dans les zones plus profondes seront au contraire plus favorables à la condensation et au retrait de calcite, ce qui pourrait représenter une menace pour la stabilité des pigments et la conservation des peintures rupestres.
Structure, processes and modeling of Arctic cyclones
26/10/2026 10:00
Arctic cyclones are extratropical cyclones of a few thousands of kilometers traveling in the Arctic region. They play a major role in Arctic weather and climate and are at the heart of this thesis. Most of them are similar to midlatitude cyclones in their structure and mechanisms, but some summer Arctic cyclones distinguish by being long or having a cold core temperature. In this PhD thesis, a new cyclone phase space is first developed as a tool to identify and characterize cold-core cyclones. A second part of the work focuses on long summer Arctic cyclones, particularly coming from the Eurasian continent. It reveals a transition towards a cold-core structure, as the cyclone moves over sea ice, due to diabatic and frictional processes. Finally, we explore the representation of Arctic cyclones in a climate model with different resolutions. Cyclone structures are better represented at higher resolution, but their number is overestimated on the continents, particularly in winter.
Deep learning and rare event sampling for the study of weather extremes impacting the power system
20/10/2026 14:00
The transition toward energy systems with a high share of renewable energy increases their vulnerability to rare extreme weather events, which can compromise the stability of power grids.
In the context of climate change, the resilience of these systems depends on our ability to anticipate, characterise, and quantify the uncertainty associated with these phenomena. This thesis develops advanced numerical methods to improve the modelling and prediction of extreme events with high energy impact: winter cold spells, compound events generating high peaks in residual demand, and, more specifically, heatwaves at mid-latitudes.
The study of these rare events faces a structural problem of data scarcity. Historical observations are limited, and traditional physical climate models require massive simulations to robustly sample very low-probability events. This leads to prohibitive computational costs and limits the accuracy of return period estimates.
To address these limitations, this work explores low-cost prediction and simulation approaches for rare events, building on recent advances in deep learning.
Three complementary directions are developed: (i) the design of direct prediction models able to learn from limited data, with particular attention to their physical interpretability; (ii) the design of climate model emulators able to efficiently reproduce their dynamics at reduced cost, examining in particular their ability to extrapolate beyond the training range for extreme events; (iii) the adaptation of rare event simulation algorithms, combining these emulators with physical models to guide the exploration toward trajectories leading to extreme weather events.
The methodological developments are first validated on climate models of intermediate complexity before being applied to state-of-the-art models, opening the way for future applications related to climate change adaptation.
