Version classiqueVersion mobile
OpenEdition Books

Le climat à découvert

 | 
Catherine Jeandel
, 
Rémy Mosseri

Cinquième partie. La modélisation du climat

3. Description d’un organigramme générique

Serge Planton et Jean-Louis Dufresne

Texte intégral

1La nature des modèles utilisés et le type de simulations réalisées dépendent directement des questions scientifiques posées. Par exemple, pour calculer l’évolution de la température moyenne de la planète en réponse à une augmentation de la concentration des gaz à effets de serre, il est possible de construire des modèles analytiques simples du système climatique* en se basant uniquement sur des équations de bilan d’énergie. Parmi les paramètres essentiels pour simuler cette évolution future de la température, il faut estimer la sensibilité climatique correspondant à un réchauffement planétaire induit, à l’équilibre, par un doublement de la concentration en gaz carbonique atmosphérique. Les données d’observations ne permettant pas d’obtenir directement ce paramètre, des modèles plus complexes doivent être utilisés pour le déterminer. Ces modèles sont aussi nécessaires pour produire les distributions géographiques des changements climatiques et de leurs impacts dans différents secteurs socio-économiques (agriculture, hydrologie, santé…).

Fig. 1 – Évolution de la modélisation climatique couplée. Partant des premiers modèles des années 1970 qui ne comportaient qu’une description de l’atmosphère, les modèles climatiques ont progressivement intégré de nouvelles composantes interagissant avec l’atmosphère. D’après le 3e rapport du GIEC, 2001

Les modèles climatiques couplés

2Le développement des modèles couplés du système climatique est intimement lié à celui de la puissance des ordinateurs et à l’évolution du questionnement scientifique. Les premiers modèles de prévisions météorologiques ont vu le jour en 1950 sur le premier calculateur programmable, grâce en particulier à J. Von Neumann et J. G. Charney. Ils ont été suivis en 1955 par le premier modèle qualifié de « climatique », car il permettait de simuler la variabilité de l’atmosphère de l’hémisphère Nord sur une période de 31 jours. Ce modèle dit de circulation générale (MCG*) a été développé au Laboratoire de Dynamique des fluides géophysiques*(GFDL*) par Norman Phillips et son équipe (cf. V-2). Il n’avait aucune différence conceptuelle avec ses prédécesseurs appliqués à la prévision météorologique. Les premiers modèles couplant l’évolution de l’atmosphère et celle de l’océan sont ensuite apparus vers la fin des années 1960. Leur utilisation s’est généralisée sous l’impulsion des études du phénomène El Niño* et de celles du changement climatique pour lequel les océans jouent un rôle essentiel dans la distribution géographique et le temps de mise à l’équilibre du système. Puis, les modèles se sont progressivement complexifiés jusqu’aux modèles actuels qui prennent en compte l’atmosphère, les sols et la végétation, les océans, les banquises, l’effet climatique des aérosols sulfatés, et, dans certains cas, l’hydrologie continentale, le cycle du carbone, l’ozone stratosphérique, les calottes polaires, etc. (figure 1).

3Les MCG atmosphériques et océaniques partagent un ensemble commun d’équations d’évolution qui s’appliquent aux variables des deux fluides (densité, vent ou courant, température) et qui sont issues des lois de la mécanique des fluides et de la thermodynamique. La première est l’équation de conservation de la masse, les trois suivantes résultent de l’équation de conservation de la quantité de mouvement appliquée aux trois composantes de la vitesse des particules fluides (ou relation fondamentale de la dynamique), et la dernière est l’équation de conservation de l’énergie (ou premier principe de la thermodynamique). Par ailleurs, les lois de la thermodynamique permettent de relier les variables au travers d’une équation d’état propre à chaque milieu (cf. II-1). À ces équations s’ajoutent, pour l’atmosphère, l’équation de conservation de la masse de l’eau contenue dans l’atmosphère et pour les océans, l’équation de conservation du sel.

4À moins de simplifications importantes, ces équations ne peuvent pas être résolues analytiquement mais seulement en faisant appel à des techniques d’analyse numérique, et avec le secours des ordinateurs. Le principe de base consiste à découper l’atmosphère ou l’océan en boîtes élémentaires dont les dimensions se situent, pour les modèles climatiques couplés, généralement entre 100 à 300 km sur l’horizontale et entre quelques dizaines de mètres et quelques centaines de mètres sur la verticale. Le temps est lui-même découpé en pas élémentaires d’une durée de l’ordre de 15 à 30 minutes. Dès lors, il s’agit de déterminer les moyennes des variables sur les boîtes élémentaires, à des pas de temps successifs. Pour ce faire, les équations sont « discrétisées » en remplaçant les calculs de dérivées partielles par rapport à l’espace ou au temps par des accroissements, ou différences finies, utilisant les valeurs des variables de la grille spatio-temporelle de calcul. Dans le cas de l’atmosphère, une méthode de résolution alternative à la décomposition des variables sur une grille horizontale peut être utilisée pour calculer les termes de transport horizontal. Elle consiste à décomposer ces variables sur les premiers vecteurs d’une base de fonctions ayant des propriétés intéressantes pour améliorer la précision des calculs. Pour distinguer les deux approches, on parle de modèles en points de grille et de modèles spectraux. Mais qu’ils soient spectraux ou en points de grille, les modèles sont limités par le même type de contraintes liées au traitement numériques des équations (cf. V-4).

5Une de ces contraintes dépend de la représentation des processus d’échelle plus petite que la dimension des boîtes élémentaires. La solution passe par une évaluation de l’effet de ces processus « sous-maille » sur les variables de la grille spatio-temporelle de calcul. Comme cette représentation est fondée sur des méthodes empiriques qui font intervenir des paramètres à déterminer, on parle de « paramétrisation ». Il s’agit par exemple, pour les océans, du transport par les tourbillons dits de méso-échelle* dont la taille est de quelques dizaines de kilomètres (cf. II-17) ; ou encore dans les deux fluides, du transport par les ondes d’inertie-gravité d’échelle inférieure à celle de la maille du modèle. À une échelle beaucoup plus petite, le phénomène de turbulence* qui se produit préférentiellement dans la basse atmosphère et la partie superficielle de l’océan a aussi un effet non négligeable sur les variables de plus grande échelle et doit donc être pris en compte. Les paramétrisations concernent aussi tout un ensemble de processus physiques et dynamiques à l’origine de sources ou de puits de chaleur qui interviennent dans l’équation de conservation de l’énergie. Il s’agit en particulier du rayonnement, de la convection et, dans le cas de l’atmosphère, des changements de phase de l’eau associés à la formation des nuages et aux précipitations. Quelle que soit la dimension de la maille spatiale, la paramétrisation de processus se produisant à une échelle plus petite reste une nécessité. Une des principales difficultés de la modélisation est de définir les ensembles de paramétrisations les mieux adaptés aux échelles résolues par le modèle (cf. V-7).

Les simulations climatiques

6Réaliser une simulation climatique consiste à définir l’évolution dans le temps des variables climatiques décrites par le modèle (température, pression, précipitations, etc.). Grâce à l’opération de discrétisation décrite plus haut, la résolution des équations d’évolution se ramène à un calcul numérique portant sur un nombre fini de valeurs des variables définissant l’état du système climatique à chaque pas de temps. Lorsque la résolution horizontale du modèle, c’est-à-dire la taille de ses mailles, est de l’ordre de 100 à 150 km dans l’atmosphère et dans l’océan comme pour les modèles utilisés pour le prochain exercice d’évaluation du GIEC* (2013), le nombre de valeurs de variables à traiter à chaque pas de temps est typiquement de quelques dizaines de millions. Ces calculs ne peuvent donc être réalisés qu’au moyen de codes informatiques adaptés aux ordinateurs les plus puissants et utilisant en particulier des techniques de parallélisation les plus performantes possibles (cf. V-6). Dans ces conditions, il faut cependant une quarantaine d’heures de calcul sur un processeur pour simuler l’évolution du climat sur un an.

7Les données d’entrées communes à tous les types de simulations climatiques sont d’abord les paramètres définissant la géométrie du modèle (répartition continents-océans, relief, topographie du fond marin…), les paramètres utilisés dans les paramétrisations des processus sous-maille (fractions et types de végétation, coefficients d’absorption des nuages dans différentes bandes de fréquence…), les paramètres caractérisant la simulation (taille de la grille de calcul, pas de temps…). Il s’agit aussi des variables, généralement fonction de l’espace et/ou du temps, définissant les conditions aux limites et les conditions initiales des simulations. Les conditions aux limites d’un modèle couplé du système climatique sont d’abord le flux solaire incident au sommet de l’atmosphère et les concentrations de constituants (gaz, particules) non directement calculées par le modèle. Cependant, lorsqu’il s’agit d’évaluer séparément l’une des composantes du système, des conditions aux limites à la surface de la Terre sont nécessaires (températures de surface de la mer et couverture de glace pour l’atmosphère, flux radiatifs descendants et variables atmosphériques en surface pour l’océan…). Lorsque le modèle comprend un module de calcul de concentrations de constituants chimiques, des émissions de constituants primaires entrent aussi dans les conditions aux limites. Les conditions initiales se résument quant à elles aux valeurs de l’ensemble des variables décrites par le modèle, sur les points des grilles spatiales, à l’instant de démarrage de la simulation. C’est à partir de cet état initial, déterminé pour chaque composante du système prise en compte, que le modèle calculera les valeurs des différentes variables, pour chaque pas de temps, sur l’ensemble de la période simulée.

8À ces données d’entrées communes s’ajoutent parfois d’autres données d’entrée qui dépendent des types de simulations climatiques réalisées. On distingue trois types principaux de simulations qui dépendent des objectifs de leurs mises en œuvre.

9Le premier concerne les études de prévisibilité climatique et les projections climatiques. Il s’agit dans ce cas de reproduire des conditions futures les plus réalistes possibles en partant de la connaissance du système climatique à l’instant initial de la simulation et de conditions aux limites, elles aussi prévues ou correspondant à un scénario prospectif. Ce cas de figure se rencontre pour les études de prévision aux échelles saisonnières, interannuelles et, depuis peu, décennales (cf. VII-6). Pour des échéances plus lointaines, il est plus pertinent de parler de projections climatiques car les conditions aux limites des simulations ne sont plus prévisibles. C’est le cas pour l’étude des scénarios de changement climatique futurs en réponse à une évolution supposée des scénarios d’émissions ou de concentrations de gaz à effet de serre* et de particules (cf. VII-7). Pour ce type de simulations, les données d’entrée se limitent aux données communes décrites plus haut. Les observations n’interviennent directement que pour définir les conditions initiales de la simulation et indirectement, comme pour toute simulation, pour définir certains des paramètres caractérisant la géométrie du modèle ou entrant dans la formulation des paramétrisations (cf. V-7).

10Le deuxième type de simulations a pour principal objectif d’analyser les mécanismes de la variabilité climatique*. Il s’agit, en complément à des simulations climatiques « réalistes » du climat passé, de réaliser des simulations de réponse du climat à différentes perturbations. Les données d’entrée sont les données communes complétées par des conditions aux limites adaptées aux questions posées. Par exemple, les simulations d’étude de l’impact d’un changement de la couverture végétale sur le climat nécessitent de spécifier en entrée différents types de couverture végétale. On peut aussi citer les simulations que l’on conduit dans le cadre des études de détection* et d’attribution* du changement climatique (cf. VI-8), qui impliquent de modifier les conditions aux limites définissant les forçages externes* au système. Les simulations d’analyse de mécanismes peuvent impliquer une utilisation intensive des données d’observation afin d’augmenter leur réalisme, par exemple via un rappel de la simulation vers des réanalyses de données observées.

Fig. 2 – La démarche de modélisation. Partant des observations (partie gauche de la figure) et de connaissances théoriques, les processus en jeu dans le système climatique sont d’abord mis en équation. Ces équations sont « discrétisées » pour ramener la résolution à l’exécution d’un programme informatique sur des calculateurs de hautes performances. Les résultats des simulations climatiques sont ensuite confrontés aux observations du passé. De cette confrontation naît la nécessité de faire progresser la représentation des processus dans le modèle et donc d’intervenir à nouveau sur les équations

11Le troisième type de simulations consiste à reproduire la variabilité climatique passée, qu’il s’agisse d’une période éloignée dans le temps ou d’une période récente. L’un des objectifs principaux est ici d’évaluer la capacité du modèle à reproduire cette variabilité (cf. VII-4). Mais l’objectif peut être aussi de reproduire de manière la plus réaliste possible la variabilité climatique dans les régions ou pendant les périodes où les observations font défaut. Dans le premier cas, les données d’entrée se limitent aux données communes décrites plus haut et les observations n’interviennent donc directement que dans les conditions initiales comme pour les projections climatiques, et dans les conditions aux limites qui doivent être « réalistes ». Dans le second, il s’agit par contre d’utiliser le plus grand nombre possible d’observations disponibles en utilisant des techniques d’assimilation de données comme lorsque l’on veut reconstituer la variabilité météorologique passée sur plusieurs décennies par réanalyse des données d’observation (cf. IV-4).

12Les diagnostics de sortie des simulations sont effectués à partir des valeurs des variables des différentes composantes du modèle (atmosphère, océan, sol, banquise…), tout au long de la simulation. Les diagnostics les plus standards sont constitués des valeurs des variables, espacées régulièrement dans le temps (par exemple toutes les 6 h), sur tous les points des grilles horizontales de calcul et des niveaux verticaux sélectionnés. Ils comprennent aussi des cumuls ou des moyennes temporelles notamment des termes de bilans d’énergie, de quantité de mouvement et d’eau en surface et de bilan radiatif au sommet de l’atmosphère, eux aussi sur tous les points de la grille de calcul et régulièrement répartis dans le temps. Des diagnostics plus détaillés sont aussi nécessaires pour répondre à des questions scientifiques particulières selon le type de simulation réalisé. Par exemple, certains diagnostics de transport d’énergie ou de masse sont fréquemment produits afin d’assurer des intercomparaisons entre différents modèles ou des diagnostics de flux radiatifs plus précis pour assurer une comparaison avec des observations satellitaires.

13Dans la plupart des cas, les données d’observations n’interviennent directement que pour définir l’état initial du système et, s’il s’agit d’évaluer un modèle sur les climats passés, pour définir les conditions aux limites du modèle. Elles sont aussi utilisées a posteriori pour évaluer les résultats des simulations climatiques (cf. V-12). De la confrontation entre modèles et données d’observation résulte la nécessité de mieux modéliser certains processus. Il faut donc améliorer les connaissances sur ces processus et intervenir dans leur représentation au travers des équations, et surtout paramétrisations, qui composent le modèle. Il s’ensuit une modification des programmes informatiques de calcul à appliquer sur des calculateurs de hautes performances, et de nouveaux résultats de simulations du climat passé qui sont à leur tour confrontés aux observations. La démarche de modélisation du climat peut donc être présentée comme une boucle continue associant le modèle aux observations (figure 2).

Table des illustrations

Légende Fig. 1 – Évolution de la modélisation climatique couplée. Partant des premiers modèles des années 1970 qui ne comportaient qu’une description de l’atmosphère, les modèles climatiques ont progressivement intégré de nouvelles composantes interagissant avec l’atmosphère. D’après le 3e rapport du GIEC, 2001
URL http://books.openedition.org/editionscnrs/docannexe/image/11431/img-1.jpg
Fichier image/jpeg, 270k
Légende Fig. 2 – La démarche de modélisation. Partant des observations (partie gauche de la figure) et de connaissances théoriques, les processus en jeu dans le système climatique sont d’abord mis en équation. Ces équations sont « discrétisées » pour ramener la résolution à l’exécution d’un programme informatique sur des calculateurs de hautes performances. Les résultats des simulations climatiques sont ensuite confrontés aux observations du passé. De cette confrontation naît la nécessité de faire progresser la représentation des processus dans le modèle et donc d’intervenir à nouveau sur les équations
URL http://books.openedition.org/editionscnrs/docannexe/image/11431/img-2.jpg
Fichier image/jpeg, 176k

Auteurs

Météorologue climatologue, Ingénieur Général des Ponts Eaux et Forêts, Responsable du groupe de recherche climatique au CNRM, Toulouse.
serge.planton@meteo.fr

Physicien du climat, Directeur de Recherche au CNRS, LMD, Paris.
jean-louis.dufresne@lmd.jussieu.fr

© CNRS Éditions, 2011

Conditions d’utilisation : http://www.openedition.org/6540