Les interactions aérosols-nuages constituent la principale source d’incertitude du changement climatique. Les aérosols sont des particules d’une taille typique de l’ordre du micromètre, d’origine naturelle ou anthropique. Ils agissent en qualité de noyaux de condensation, sur lesquels la vapeur d’eau peut se fixer et se condenser. Les aérosols modifient notamment trois propriétés clés des nuages : le nombre de gouttelettes, le contenu en eau et la fraction nuageuse, c’est-à-dire la proportion du ciel couverte par des nuages. Les émissions d’aérosols anthropiques augmentent la capacité des nuages à réfléchir l’énergie solaire. Autrement dit, ils diminuent la quantité d’énergie qui parvient jusqu’à la surface. Ils ont donc un effet négatif, au sens de refroidissant, dans le changement climatique (voir Figure 7.7 du dernier rapport du GIEC). Les interactions aréosols-nuages sont aujourd’hui encore partiellement comprises.

L’étudiant(e) analysera les données acquises par les instruments MODIS & CERES, à bord des satellites Aqua et Terra, qui orbitent autour de la Terre depuis le début des années 2000.

Ces données journalières, qui couvrent l’ensemble du globe, seront analysées sur différentes régions continentales (Europe, Inde, Amérique du Nord, Asie de l’Est) où les émissions d’aérosols ont sensiblement changé (voir Quaas et al. 2022). Différentes pistes seront étudiées : rétroaction des nuages sur les aérosols, corrélation entre aérosols et nuages en fonction de la météo, modèle autorégressif permettant d’aller d’un pas de temps à un autre. Des outils de machine learning seront utilisés pour distinguer les liens de causalité (aérosols -> nuages, nuages -> aérosols). Les données pourront être analysées saison par saison, en distinguant les années à faibles et fortes émissions d’aérosols. Les variations des propriétés des nuages et de l’épaisseur optique des aérosols pourront être analysées en cherchant des schémas d’enchaînement aérosols-nuages-précipitations-aérosols qui se répètent. Une grande liberté sera accordée à l’étudiant(e) qui travaillera au sein du projet européen CleanCloud.

Compétences recherchées : programmation en Python, connaissances en physique de l’atmosphère et sciences du climat, bases en méthodes de machine learning