Le climat et la météo affectent fortement les activités humaines.
Les phénomènes météorologiques et climatiques ont des répercussions importantes sur la société, son fonctionnement et sa sécurité. Sécheresses, tempêtes ou inondations en sont des exemples évidents. Globalement, on estime qu’environ 30% des activités économiques mondiales sont affectées par les conditions climatiques. C’est donc dans ce contexte que le Groupe d’experts Intergouvernemental sur l’évolution du Climat a pour mission de résumer les connaissances scientifiques concernant les mécanismes du climat. Une compréhension qui permet de prévoir les évolutions climatiques selon différents scénarios d’émission de gaz à effet de serre, de les évaluer, voire même d’atténuer leurs impacts à venir.
Les modèles de climat basés sur les différents scénarios ont des résolutions spatiales d’environ 250km, inadaptées à de nombreuses études. L’estimation des impacts sociétaux, économiques, écologiques ou autres nécessitent des données à l’échelle régionale (quelques kilomètres), voire même parfois locale (quelques centaines de mètres). Il est donc primordial de pouvoir évaluer les changements climatiques à des échelles beaucoup plus fines : on a alors recours à des modèles de descente d’échelle (appelés régionalisation, ou downscaling en anglais).
Les simulations de modèles climatiques doivent être affinées par descente d’échelle.
La descente d’échelle climatique est l’action de générer des valeurs d’une variable climatique à petite échelle (ou haute résolution) à partir d’informations à grande échelle (ou basse résolution) provenant de modèles climatiques. L’approche la plus ancienne est dite dynamique et repose sur des modèles climatiques régionaux (des RCMs) calés sur des données à grande échelle et basés sur des équations physiques à des résolutions allant de 5 à 50 km. Malgré un effort assez considérable de la part de la communauté des climatologues, les RCMs ne sont souvent utilisés que sur des régions et des périodes restreintes à cause des coûts et des moyens importants qu’ils nécessitent.
La deuxième approche dite statistique est basée sur des modèles reliant des variables à grande échelle et des observations locales. Elle a donc de faibles coûts de calcul. Elle est virtuellement applicable à n’importe quelle résolution spatiale et, selon le modèle, permet de tenir compte des extrêmes et d’évaluer les incertitudes. Parmi les méthodes statistiques utilisées on trouve : (1) les fonctions de transfert qui mettent en œuvre des régressions liant de manière déterministe les données à grande échelle aux observations ; (2) les générateurs stochastiques de temps qui cherchent à simuler des variables climatiques locales (température, précipitation, etc.) en se basant sur leur densité de probabilité dont les paramètres sont fonctions de la grande échelle ; (3) les méthodes par analogues ou régimes de temps qui supposent que chaque régime donné est associé aux mêmes conditions météorologiques locales ; (4) enfin les approches dites de Model Output Statistics qui travaillent généralement sur des distributions statistiques pour une période donnée et non en termes d’événements journaliers.
La méthode choisie dépend de la variable, de la région et de l’application étudiée. On obtient ainsi des simulations au niveau local de différentes variables météorologiques qui permettent de mesurer l’impact du changement climatique suivant le scénario envisagé.
Brève rédigée par Mathieu Vrac (LSCE) d’après ses propres travaux.
Pour en savoir plus :
- Les sites de projets internationaux sur le climat : NARCCAP, ENSEMBLES et CORDEX.
- Brèves connexes : Des modèles stochastiques pour simuler le temps, Simulations de pluies extrêmes dans les Cévennes.
Crédits Images : Sun-tek.com, Guillaume Levavasseur.
Imprimer
2 Commentaires