The countryside is a mosaic of croplands, forests, hedgerows, and roads. This landscape heterogeneity gives rise to spatial variability in fluxes of heat, water vapour, and carbon dioxide, as well as in air movement, at scales ranging from millimetres to kilometres. These exchanges have a local influence on the climate, creating zones that may be better or worse off in the case of extreme climatic conditions.
Understanding this complexity is essential if we wish to develop agricultural strategies that can exploit micrometeorological patterns to mitigate extreme climatic situations. For example, agroforestry systems combine trees and field crops, the result is a reduction in soil evaporation, wind speed, and heat spikes—conditions that favour crop growth. Studying microclimatic variability requires the ability to make extremely fine-scale meteorological predictions that account for exchanges between the vegetation and the atmosphere.
INRAE researchers set out to simulate micrometeorological dynamics within agricultural landscapes using a 5-by-5 km forest plot. Thanks to the Juliot-Curie supercomputer provided by France’s Alternative Energies and Atomic Energy Commission (CEA), the researchers generated 7.5 TB of data over several months (~26 days of continuous computing) to produce a simulation that recreated mass and energy exchanges on the plot over a 5-hour period. This massive amount of information made it possible to obtain an extremely fine level of spatial and temporal resolution (metres and milliseconds, respectively).
The simulation was used to represent mass and energy fluxes at the top of the forest canopy during the early morning—from 4 to 9 am. This complex period of the day has been little studied because of its high degree of temporal variability, which is linked to surface warming. Indeed, the morning is when the atmospheric boundary layer1 develops and grows, subsequently mixing all the compounds emitted by the surface, including pollutants. The researchers identified differences in exchanges of heat, water vapour, and carbon dioxide between the forest and the atmosphere under conditions of low versus high wind flow. Using this simulation, the researchers reproduced, for the first time ever, the massive early-morning release of carbon dioxide by the forest under conditions of low wind, a dynamic that results from the gas’s nocturnal accumulation within the forest.
This research lays the groundwork for improving how surface exchanges are represented in meteorological and climatic models. Indeed, when models fail to account for surface heterogeneity, they may yield faulty predictions of meteorological conditions at regional scales.
Doctoral research is underway to expand this simulation approach to more complex landscapes, with the goal of studying micrometeorological dynamics in hilly environments where crops and forests are grown together, as well as in agroforestry systems. The aim is to understand how landscape heterogeneity affects microclimatic conditions and to identify strategies for managing agricultural landscapes so as to mitigate the effects of climate change on crops.
[1] Lowest part of the atmosphere directly affected by exchanges between the earth's surface and the atmosphere.
Reference
Dupont S., R. Irvine M., Bidot C. et al. (2024). Morning transition of the coupled vegetation canopy and atmospheric boundary layer turbulence according to the wind intensity. Journal of Atmospheric Sciences, https://doi.org/10.1175/JAS-D-23-0201.1
Vers des prédictions micro-météorologiques à l’échelle de la parcelle agricole
Prédire finement la météorologie à l’échelle du territoire agricole représente un enjeu majeur dans un objectif d’adaptation au changement climatique. Des chercheurs d’INRAE ont franchi une étape décisive en mettant en œuvre une simulation de micro-météorologie sur une parcelle forestière, en modélisant, grâce à un supercalculateur, l’évolution des conditions météo du début de la matinée, une période peu abordée à ces échelles mais cruciale pour les prévisions relatives au fonctionnement des écosystèmes cultivés. Cette étude, publiée le 17 juillet dans Journal of Atmospheric Sciences, démontre la possibilité d’affiner au mètre près les prédictions météorologiques pour élaborer des stratégies agricoles atténuant les effets du changement climatique sur les cultures.
Le territoire rural est comme une mosaïque composée de cultures, de forêts, de haies ou encore de routes. Cette hétérogénéité du paysage génère une variabilité spatiale des flux de chaleur et des mouvements d’air plus ou moins chargés d’humidité, et ce à différentes échelles allant du millimètre au kilomètre. Ces échanges influent localement sur le climat, créant des zones mieux adaptées aux conditions climatiques extrêmes et des zones plus critiques.
Comprendre cette complexité microclimatique est essentielle pour développer des stratégies agricoles qui en tirent parti, afin d’atténuer les extrêmes climatiques. Par exemple, les systèmes agroforestiers qui intègrent des arbres dans les cultures permettent de limiter l’évaporation du sol, d’atténuer le vent et les pics de chaleur, créant ainsi des conditions favorables aux cultures. Étudier cette variabilité microclimatique nécessite d’obtenir des prédictions météorologiques à une échelle très fine, dans lesquelles les échanges entre la végétation et l’atmosphère jouent un rôle essentiel.
Pour simuler la micro-météorologie à l’échelle des paysages agricoles, des chercheurs d’INRAE ont pris comme modèle une parcelle forestière de 5 x 5 km. À l’aide du supercalculateur Juliot-Curie du CEA, ils ont produit durant plusieurs mois pas moins de 7,5 To de données qui équivalent à 26 jours de calcul en continu, pour une simulation représentant les échanges de masse et d’énergie durant 5 h. Cette quantité massive d’informations a permis l’obtention d’une résolution spatiale et temporelle extrêmement fine, de l’ordre du mètre et de la milliseconde, respectivement.
La simulation a permis de représenter l’évolution des flux de masse et d’énergie au-dessus du couvert forestier durant le début de la matinée, de 4 h à 9 h du matin, une période complexe et peu abordée à cause de sa forte variabilité temporelle liée au réchauffement de la surface. C’est en effet au cours de la matinée que la couche limite de l’atmosphère1 se développe et s’épaissit, mélangeant ainsi tous les composés émis par la surface, dont les polluants. Les chercheurs ont identifié des différences dans les échanges (en termes de mouvements des masses d’air, flux de chaleur et d’évaporation) entre la forêt et l’atmosphère dans des conditions de vent faible ou de vent fort. Avec cette simulation, les chercheurs ont reproduit pour la première fois, dans des conditions de vent faible, un rejet massif de CO2 par la forêt en début de matinée, qui est dû à son accumulation dans l’air du sous-bois durant la nuit.
Ce type de simulations ouvre de nouvelles perspectives pour améliorer la représentation des échanges de surface dans les modèles météorologiques et climatiques. En effet, l’utilisation de modèles ne prenant pas en compte l’hétérogénéité des surfaces peut conduire à des erreurs de prédiction des conditions météorologiques à l’échelle territoriale.
Des travaux de thèse sont actuellement en cours pour étendre ces simulations à des paysages plus complexes, afin d'étudier la micro-météorologie dans des environnements associant cultures et forêts, caractérisés par des reliefs vallonnés, ainsi que dans des systèmes agroforestiers. L'objectif est de quantifier l'impact des hétérogénéités du paysage sur le microclimat et d'identifier des stratégies d’aménagement des paysages agricoles visant à atténuer les effets du changement climatique sur les cultures.
[1] Interface entre la surface terrestre et l’atmosphère libre, qui est sous influence directe des processus terrestres.
Référence
Dupont S., R. Irvine M., Bidot C. et al. (2024). Morning transition of the coupled vegetation canopy and atmospheric boundary layer turbulence according to the wind intensity. Journal of Atmospheric Sciences,
https://doi.org/10.1175/JAS-D-23-0201.1
Topics
Species
illustration Predicting a crop field’s weather © INRAE - CAUVIN Brigitte
