Derrière les étoiles ou différentes façons de voir un soleil

28/03/2025 12:30

Projets du GIEC et liens avec les prises de décision en matière de climat

24/03/2025 16:30

Arts et sciences face au changement climatique et à la transition écologique

24/03/2025 09:00

Space weathering of the Moon and Phobos

08/04/2025 11:30

LATMOS seminar.

Observationally Constrained Budget and Lifetime of Excess Atmospheric CO2

08/04/2025 10:30

Séminaire du LMD.

Structure and hydrogeology of the Ox Bel’Ha karstic system, Mexico

28/03/2025 13:00

Séminaire de l’UMR METIS-IPSL.

Analyse de données et modélisation méso-échelle des nuages de CO2 dans les nuits polaires martiennes

31/01/2023 14:00

Les nuages de glace de CO₂ troposphériques sont des objets particulièrement intéressants : d’un côté il s’agit de rares cas de condensation du composant atmosphérique majoritaire, de l’autre, la proximité de la surface implique des interactions saisonnières tout au long de l’année. Ces interactions sont à la fois les changements d’état par condensation/sublimation au niveau des calottes polaires, mais aussi des échanges directs d’aérosols avec la surface, comme le soulèvement de grains de poussière qui servent de noyaux de condensation. Ces nuages jouent un rôle primordial dans l’évolution du climat martien de par leurs effets radiatifs, il est donc important d’être en mesure de modéliser correctement leur formation et leur dynamique. La dynamique des nuages troposphériques implique notamment un potentiel convectif qui n’a jusque là jamais été étudié par un modèle résolvant la convection.

Dans un premier temps, notre étude se porte sur les observations d’aérosols dans la troposphère. Puisque les missions ayant récoltées des observations de nuages polaires de glace de CO₂ dans la très basse atmosphère ne sont pas nombreuses, il est crucial de développer des méthodes numériques qui permettront de récupérer la plupart des détections. Il a été montré que l’altimètre MOLA, ayant opéré à bord de la sonde Mars Global Surveyor, a observé des structures d’aérosols dans la troposphère, notamment des nuages de glace de CO₂, lors de sa mission de cartographie de la topographie de la surface martienne.

Les études précédentes du jeu de données ont été confronté à la difficulté que représente le nombre d’observations et nous montrons qu’avoir recours à des méthodes de machine learning de type clustering permet d’extraire bien plus de détections. Nos résultats sont ensuite comparés aux observations d’autres missions ayant fourni des informations sur les cycles des aérosols pour tirer des conclusions
sur la composition des structures atmosphériques. Nous retrouvons la plupart des phénomènes
atmosphériques récurrents tout en apportant des observations complémentaires, ce qui permet
de dresser une climatologie plus complète.

Dans certains cas, il est difficile de déduire la composition de certaines structures du fait de la corrélation entre les différents cycles. En particulier, les processus de formation et la dynamique des nuages de glace de CO₂ font également intervenir la poussière et la glace d’eau. Ces nuages ont un potentiel convectif qui n’a jamais été étudié par un modèle capable de résoudre la convection. Nous utilisons donc une version méso-échelle du modèle de climat global du LMD dont la résolution permet de résoudre les grandes turbulences responsables des transferts de chaleur, pour étudier la formation et la convection éventuelle des nuages de glace de CO₂ dans les nuits polaires.

Grâce au couplage récent d’un modèle microphysique des nuages de glace de CO₂ à ce modèle, nous montrons avec des simulations idéalisées dans la nuit polaire qu’une faible perturbation en température, pouvant être causée par la propagation d’ondes de gravité, suffit à permettre la formation d’un nuage. La convection de ce nuage se fait en plusieurs étapes et nous déterminions la sensibilité de celle-ci à la température de la perturbation initiale mais aussi aux conditions atmosphériques (poussière disponible et vents horizontaux).

Il en résulte que la formation du nuage et sa convection se déroulent sur des échelles de temps très courtes de l’ordre de la dizaine de minutes. Les nuages atteignent une altitude maximale, la convection ne semble donc pas pouvoir expliquer des observations au delà d’une certaine altitude. Les simulations réalisées par ce modèle sont idéalisées et de nombreuses perspectives sont évoquées pour éventuellement améliorer les résultats obtenus.

Abstract

Tropospheric CO₂ ice clouds on Mars are atmospheric features of a big interest : on the one hand they represent a rare occurence of major atmospheric component condensing, on the other hand the proximity of the surface implies seasonal interactions throughout the whole martian year. Those interactions consist of changes of state by condensation/sublimation at the polar caps but also of aerosol exchange with the surface, such as lifted dust that can then serve as condensation nuclei. These clouds play a primordial role in the evolution of the martian climate through their radiative effects. Therefore, being able to correctly model both their formation and dynamics seems to be crucial. In particular, the dynamics of CO₂ ice clouds in the troposphere includes convective potential yet to be studied by models that have the capacity of resolving convective motions.

In a first part, our work is focused on observations of aerosols in the troposphere. Since there are few missions that have been able to provide observations of polar CO₂ ice clouds in the lowest layers of the martian atmosphere, developing numerical methods that can acquire as many detections as possible from the data is crucial. The altimeter MOLA that operated onboard the Mars Global Surveyor probe has been shown to be able to observe aerosol structures in the troposphere, including CO₂ ice clouds, during its mission of mapping the topography of the martian surface. Previous studies were limited by the vast amount of data so we will show that using machine learning algorithms, and in particular clustering methods, allows acquiring substantially more detections from the dataset. We then compare our results to other missions that also provided information on aerosol cycles in the atmosphere to conclude on the composition of detected atmospheric structures. Most of the recurrent atmospheric phenomena can be observed in our results. In addition, they provide complementary observations for building a complete climatology of the period.

For some cases, it may be hard to arrive at a clear conclusion on the composition of an atmospheric structure because of the tight correlation between the cycles of the three main aerosols. In particular, both dust and water ice intervene in the process of formation of CO₂ ice clouds. No studies of the convective potential of these clouds have been made by an atmospheric model that would be able to solve convection. That is why we use the mesoscale version of the Martian Global Climate Model from LMD, whose resolution allows resolving the large eddies that are responsible for most of the heat transfer and study the formation and the possible convection of CO₂ ice clouds in the polar night.

Thanks to the recent coupling of a microphysical model of CO₂ ice clouds in the climate model, we show through idealised simulations that a low temperature perturbation, which could be caused by the propagation of gravity waves, is sufficient for the formation of a cloud. Cloud convection builds up in several steps and we determine the sensitivity of convection to the temperature of the initial perturbation and to atmospheric conditions (initial profiles of available dust and horizontal winds). Both cloud
formation and convection occur on very short timescales, of the order of ten minutes. Clouds reach a maximum altitude, meaning that convection can not explain observations of CO₂ ice clouds above a certain altitude. Since simulations made with this model are idealised, we propose some perspectives on how to improve our results.

Synergie modèle-observations pour une meilleure compréhension du cycle du méthane

27/01/2023 09:30

L’étude de la composition de l’atmosphère et la compréhension des variations des concentrations des gaz en trace est essentielle dans l’étude du climat et de la qualité de l’air. Durant cette soutenance, je présente une synthèse d’une partie de mes travaux de recherche concernant l’analyse du cycle biogéochimique du méthane. En particulier, je détaille les enjeux de la synergie entre les outils d’observations et de modélisation pour ce gaz en trace dont le rôle est majeur pour le climat mais aussi pour la qualité de l’air, ainsi que la méthodologie suivie dont l’optimisation des sources et des puits de méthane par inversion du transport et de la chimie atmosphérique. L’inversion atmosphérique est une approche permettant de combiner de manière optimale des observations atmosphériques, un modèle de chimie-transport et des connaissances a priori des sources et puits d’un gaz, afin d’optimiser les sources et puits de ce gaz (ici le méthane). Je détaille les résultats obtenus ainsi que les limitations rencontrées formant les verrous actuels. Enfin, je présenterai un projet de recherche visant à améliorer nos outils et nos méthodes pour mieux estimer les sources et puits de méthane, et espérer réduire nos incertitudes.

Apport de la mesure lidar dans l’étude des aérosols et nuages stratosphériques polaires et de leurs perturbations climatiques

30/01/2023 14:00

L’évolution des températures globales et les injections stratosphériques
d’aérosols soufrés et carbonés causées par des éruptions volcaniques et
des feux de biomasse impactent la composition de la stratosphère et les
processus physico-chimiques qui y prennent place, dont la destruction
saisonnière d’ozone. Cette thèse met en évidence l’apport de la mesure
lidar pour l’étude des nuages et aérosols stratosphériques polaires. Le
lidar installé à la station antarctique française Dumont d’Urville (DDU)
offre l’opportunité unique de mesurer ces couches diffusantes avec la
précision qui le caractérise. Cette thèse présente une étude des nuages
stratosphériques polaires sur le long terme à DDU, mais aussi des
aérosols injectés en stratosphère par les feux australiens en 2020 et
par l’éruption historique survenue au Tonga en 2022. Suite à une
campagne à DDU en 2022, le lidar permet désormais de restituer les
distributions en taille des populations de particules mesurées.