Proposition de stage de M2 2024
• Nom du proposant : Laskar Jacques (IMCCE) (DR CNRS)
Co-proposants : Pierre Auclair-Desrotour
• Lieu du stage
IMCCE, Observatoire de Paris, 77 av Denfert-Rochereau 75014 Paris
Thèmes scientifiques : Analyse de données – modélisation – Statistiques Bayésiennes
Titre : Analyse des données planétaires de pression barométrique.
- Résumé du sujet proposé :
Les données barométriques et de température sont collectées à la surface du globe dans les stations météo. Si on analyse l’évolution du signal barométrique sur une année, on obtient une courbe fortement perturbée par les caprices chaotiques de la météo. Mais si on replie les données d’une année entière sur une journée solaire, toute la partie aléatoire du signal provenant de la météo disparait par moyennisation, et il subsiste un signal très clair et lisse, avec deux maxima : l’un à environ 10 h et l’autre à 22 h. Cette oscillation, d’amplitude environ 0.4 bar à nos latitudes, représente la composante très régulière qui provient du forçage thermique solaire de l’atmosphère. Il y a donc formation d’un bourrelet dans l’atmosphère en retard par rapport à la direction subsolaire. La compréhension des marées atmosphériques est devenu un problème très actuel pour clarifier le débat sur la possibilité d’un blocage en résonance de la vitesse de rotation de la Terre dans le passé (Laskar et al, 2023, Farhat et al, 2023)
Ce phénomène est maintenant bien modélisé (Auclair-Desrotour et al, 2017). Nous proposons d’effectuer une étude globale de l’ensemble des données disponibles à la surface de la Terre dans les stations météo pour effectuer une cartographie des variations d’amplitude des différentes composantes spectrales de ce signal. On pourra alors comparer ces résultats aux résultats des simulations numériques et des modèles théoriques de (Auclair-Desrotour et al, 2017). Dans une deuxième phase, par des méthodes de régression ou d’approche bayésienne et simulations MCMC, on cherchera à déterminer les paramètres des modèles qui rendent le mieux compte des données observées.
Les données des différentes stations sont souvent imparfaites, avec des trous. Après avoir mis au point des algorithmes sur des séquences de données complètes, il faudra élaborer une stratégie pour l’étude des séquences de données incomplètes, avec une estimation statistiques des erreurs.
Une reférence sur l’état de l’art est (Schindelegger & Ray, 2014).
Methodologie : La programmation et le traitement se feront dans un langage interprété dédié TRIP, développé dans l’équipe (www.imcce.fr/trip) dans lequel de nombreux outils sont déjà présents. L’apprentissage de ce langage est rapide et ne devrait pas poser de problème à un candidat familier avec d’autres langages interprétés comme Matlab ou Python.
Ref :
Auclair-Desrotour, P., Laskar, J. , Mathis, S., 2017, Atmospheric tides in Earth-like planets, Astron. Atrophys., 603, A107. https://www.aanda.org/articles/aa/pdf/2017/07/aa28252-16.pdf
J. Laskar, M. Farhat, M. L. Lantink, P. Auclair-Desrotour, G. Boué, M. Sinnesael: 2023, Did atmospheric thermal tides cause a daylength locking in the Precambrian? A review on recent results https://arxiv.org/pdf/2309.11479.pdf
M. Farhat, P. Auclair-Desrotour, G. Boué, R. Deitrick, J. Laskar, 2023: Thermal tides in neutrally stratified atmospheres: Revisiting the Earth’s Precambrian rotational equilibrium https://arxiv.org/pdf/2309.11946.pdf
Schindelegger, M. & Ray, R.D., 2014, Surface Pressure Tide Climatologies Deduced from a Quality-Controlled Network of Barometric Observations, Monthly weather review, 142, 4872-4889