BATTE Lauriane


Lauriane Batté


CNRM (UMR CNRS & Météo France)

GMGEC - PASTEL
Groupe de Météorologie de Grande Echelle et Climat - Equipe Prévisibilité Atmosphérique Saisonnière et TELéconnexions

42, Av. G. Coriolis
31057 Toulouse Cedex 1, France

Tél. +33 (0) 5 61 07 96 80

Fax +33 (0) 5 61 07 96 10

courriel : lauriane dot batte at meteo dot fr

Chercheur en Prévisibilité du Climat depuis janvier 2014 ;
Ingénieur des Ponts, Eaux et Forêts ;

 Thèmes de recherche

  • Prévisions saisonnières avec des modèles numériques couplés
  • Méthodes stochastiques dans les modèles d’atmosphère
  • Prise en compte des incertitudes des modèles : méthodes de prévision d’ensemble
  • Evaluation des prévisions saisonnières : plus particulièrement sur les rgioos(de l’Europe et l’Atlantique Nord ainsi que la région de la Mousson Ouest-Africaine

Projets scientifiques

En cours

  • PI Météo-France et WP2 co-leader du projet ERA4CS MEDSCOPE (2017-2020)
  • Implication dans le projet H2020 APPLICATE (WP5 et WP3, prévision saisonnière)
  • Participation au projet ANR ACASIS (WP3)

Achevés

  • Implication dans le projet FP7 SPECS (WP4.4)
  • Implication dans AMMA2 (prévisibilité des précipitations à l’échéance saisonnière sur l’Afrique de l’ouest)

Visite scientifique à l’IC3 en 2013
Visiteur scientifique à l’IC3 dans le Climate Forecasting Unit (CFU) dirigé par Francisco Doblas-Reyes :

  • Etude de l’impact de la méthode SPPT (Stochastically Perturbed Parameterized Tendencies) dans le système couplé EC-Earth3
  • Implémentation de la dynamique stochastique dans le modèle d’atmosphère IFS et impact sur les prévisions saisonnières avec le système EC-Earth3

 Thèse de doctorat

Thèse réalisée dans l’équipe EAC et co-dirigée par Michel Déqué et Marc Bocquet (CEREA) ; soutenue en janvier 2013.

Prévisions d’ensemble à l’échelle saisonnière : mise en place d’une dynamique stochastique

Résumé des travaux de thèse :

La prévision d’ensemble à l’échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l’amélioration de la résolution des modèles, et l’introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l’évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l’Afrique de l’ouest pendant la saison de mousson. L’une des clés d’une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l’approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en oeuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu’elle permet généralement d’améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d’Afrique par rapport aux modèles pris individuellement.

On se propose dans le cadre de cette thèse d’étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d’atmosphère ARPEGE-Climat. Cette méthode, baptisée « dynamique stochastique », consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d’erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d’estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées.

Si on estime les corrections d’erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l’hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d’une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites « optimales » correspondant aux corrections d’erreurs de tendance initiale du mois en cours de prévision montre l’existence d’une information à l’échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l’idée d’un conditionnement des perturbations en fonction de l’état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales.

Manuscrit de thèse disponible sur TEL

 Parcours

- M2 Recherche "Océan, Atmosphère, Climat et Télédétection" à l’Université Pierre et Marie Curie (UPMC-Paris 6)
- Stage de M2 au CERFACS (équipe Aviation et Environnement) sur la modélisation des transferts radiatifs dans les traînées de condensation formées par les avions :

Memoire M2


- Diplômée de l’Ecole Polytechnique après une année d’application à l’Ecole des Ponts - Paris Tech (spécialité Ingénierie Mathématique et Informatique)
- Stage de trois mois au CIMA/CONICET (Université de Buenos Aires) sur les prévisions saisonnières du projet DEMETER de la mousson sud-américaine :

Rapport de stage CIMA-Conicet

 Conférences

  • Monthly and seasonal predictability of heat waves over West Africa with CNRM-CM. Présentation orale, EGU General Assembly 2017, Vienne (Autriche), avril 2017
  • Perturbing the atmosphere in coupled seasonal forecasts : lessons from CNRM-CM and EC-Earth. Présentation orale, ECOMS International Conference, Exeter (Royaume Uni), octobre 2016
  • Introduction of SPPT perturbations in the ARPEGE-Climate component of CNRM-CM. Présentation orale, SPECS Final General Assembly, Exeter (Royaume Uni), octobre 2016
  • Predictability of heat waves over West Africa in subseasonal and seasonal reforecasts with CNRM-CM. Présentation orale, EMS/ECAC 2016, Trieste (Italie), septembre 2016
  • Assessing the impact of random corrections of the atmospheric component in seasonal predictions with CNRM-CM. Présentation orale, EMS/ECAC 2016, Trieste (Italie), septembre 2016
  • Prévisibilité des vagues de chaleur au Sahel à l’échelle saisonnière avec le modèle couplé CNRM-CM. Présentation orale, Réunion de mi-projet ANR ACASIS, Paris, juin 2016
  • Perturbations of atmospheric model dynamics in CNRM-CM. Présentation orale, SPECS 4th General Assembly, SMHI, Nörrköping (Suède), septembre 2015
  • Perturbations stochastiques de l’atmosphère en prévision saisonnière. Présentation orale, Rencontres R&D Météo-France, Toulouse, juin 2015
  • Perturbations of atmospheric model dynamics : applications for seasonal predictions. Présentation orale, Stochastic Parametrization Workshop, ECMWF, Reading (Royaume-Uni), mars 2015
  • Representing the North Atlantic Oscillation in a seasonal prediction model : predictability and uncertainties. Présentation orale, Ateliers de Modélisation de l’Atmosphère, Toulouse, janvier 2015
  • Accounting for model uncertainty in EC-Earth3 : impact of SPPT on seasonal forecast quality. Présentation orale, EGU General Assembly, Vienne (Autriche), mai 2014
  • Introducing a « stochastic dynamics » technique to account for atmospheric model uncertainty at a seasonal time scale. Poster, EGU General Assembly, Vienne (Autriche), mai 2014
  • Impact of atmospheric stochastic perturbations on seasonal forecast quality in EC-Earth3. Présentation orale, International EC-Earth meeting, ECMWF, Reading (Royaume-Uni), février 2014
  • Stochastic atmospheric perturbations in the EC-Earth v3 Earth system model : impact on seasonal predictions Présentation orale, University of Bonn Meteorology Institute Symposium on Stochastic Parameterizations in Weather and Climate Models, Bonn, septembre 2013
  • A stochastic dynamics method for ensemble seasonal forecasts with the CNRM-CM5.1 GCM Poster, WCRP International Workshop on seasonal to decadal predictions, Toulouse, mai 2013 résumé du poster ici
  • A stochastic dynamics method for ensemble seasonal forecasts with the CNRM-CM5.1 GCM Poster, International conference on Ensemble Methods in Geophysical Sciences, Toulouse, novembre 2012
  • Seasonal predictions of summer precipitation over West Africa using the CNRM-CM5 GCM Présentation orale, 4th AMMA International Conference, Toulouse, juillet 2012
  • Prévisions d’ensemble à l’échelle saisonnière avec un modèle couplé Arpège-Climat - NEMO : impact de la résolution et de la méthode de génération des ensembles Poster, Ateliers de Modélisation de l’Atmosphère, janvier 2012
  • Perturbations stochastiques de la dynamique du modèle Arpège-Climat en prévision saisonnière, impact sur la représentation de la circulation atmosphérique de grande échelle Présentation orale, Ateliers de Modélisation de l’Atmosphère, janvier 2012
  • Seasonal predictions of summer precipitation over West Africa using coupled GCMs : skill of the ENSEMBLES project multi-model forecasts Présentation orale, EGU General Assembly, Vienne, avril 2011
  • Evaluation des prévisions saisonnières de précipitation du stream 2 d’ENSEMBLES sur l’Afrique de l’ouest Présentation orale, Ateliers AMMA-France, novembre 2010
  • Prévisions saisonnières de précipitation en Afrique de l’ouest : évaluation des simulations ENSEMBLES stream 2 Présentation orale, Ateliers de Modélisation de l’Atmosphère, janvier 2010

 Encadrement

  • Thèse de Damien Specq (2017-2020) : Prévisibilité intrasaisonnière des précipitations et de leurs extrêmes sur la Nouvelle-Calédonie (démarrage en septembre 2017)
  • Thèse de Constantin Ardilouze (2016-2019) : Prévisibilité saisonnière avec CNRM-CM6 : contribution des surfaces continentales et de leur initialisation Ecole doctorale SDUEE, Université Paul Sabatier, Toulouse
  • Stage de M2 de Cindy Souan (2017) : Impact de l’anomalie froide en Atlantique Nord sur les prévisions saisonnières de l’été 2015 M2 OASC (Université Paul Sabatier, Toulouse)
  • Stage de M2 d’Audrey Brouillet (2015) : Étude des téléconnexions tropiques-extratropiques dans les modèles CMIP5 et en mode prévision saisonnière M2 Interactions Climat-Environnement (Université de Versailles - St Quentin)

 Principales publications (revues à comité de lecture)

  • Prodhomme, C., L. Batté, F. Massonnet, P. Davini, O. Bellprat, V. Guemas, and F. Doblas-Reyes, 2016 : Benefits of increasing the model resolution for the seasonal forecast quality in EC-Earth. Journal of Climate, DOI:10.1175/JCLI-D-16-0117.1, in press.
  • Batté and Déqué, 2016 : Randomly correcting model errors in the ARPEGE-Climate v6.1 component of CNRM-CM : applications for seasonal forecasts. Geoscientific Model Development, vol. 9, pp 2055-2076, DOI 10.5194/gmd-9-2055-2016 Open Access
  • Batté and Doblas-Reyes, 2015 : Stochastic atmospheric perturbations in the EC-Earth3 global coupled model : impact of SPPT on seasonal forecast quality Climate Dynamics, vol. 45, pp 3419-3439, DOI 10.1007/s00382-015-2548-7 Abstract
  • Batté and Déqué, 2012 : A stochastic method for improving seasonal predictions Geophysical Research Letters, vol. 39, L09707, DOI 10.1029/2012GL051406 Abstract
    Batte_Deque_GRL_2012
  • Batté and Déqué, 2011 : Seasonal predictions of precipitation over Africa using coupled ocean-atmosphere general circulation models : skill of the ENSEMBLES project multimodel ensemble forecasts Tellus A, vol. 63, issue 2, pp 283-299, DOI 10.1111/j.1600-0870.2010.00493.x

 Autres contributions

  • Organisation des "Jeudis du Climat", séminaires internes hebdomadaires de GMGEC au CNRM
  • Batté L., F. Driouech and C. Ardilouze, 2016 : Seasonal forecasts of droughts and water resources. The Mediterranean Region under Climate Change : A Scientific Update, pp. 597-604, sous-chapitre 3.4.4 d’un ouvrage publié par l’AllEnvi à l’occasion de la COP22 à Marrakech et disponible ici.


Le contenu de cette page n’engage que son auteur et en aucune manière la responsabilité du CNRM. No one shall be held responsible, scientifically or otherwise for the content of these pages / articles, but the authors themselves and in no way the responsibility of the CNRM.