Versione classicaVersione mobile
OpenEdition Books

Le climat à découvert

 | 
Catherine Jeandel
, 
Rémy Mosseri

Cinquième partie. La modélisation du climat

13. Reproduction du climat actuel

Francis Codron e Patrick Marchesiello

Testo integrale

1Aujourd’hui, on demande non seulement aux modèles de reproduire correctement la circulation générale moyenne de l’atmosphère et de l’océan mais aussi de simuler les caractéristiques principales des variations climatiques observées. C’est une condition nécessaire pour espérer effectuer des prévisions de l’évolution du climat à court terme et en réponse à une perturbation, cette réponse ressemblant souvent à la « variabilité naturelle ». De façon plus fondamentale, un modèle simulant une variabilité proche de celle observée permet de décoder les mécanismes physiques à son origine.

Évaluation de la variabilité climatique simulée

2La première approche pour comparer les principales variations climatiques simulées à celles des observations consiste à quelques analyses simples. Par exemple, pour étudier la représentation du phénomène El Niño*, on peut tracer des cartes d’anomalies de la température océanique pour la structure spatiale et l’amplitude des événements El Niño, ou bien une analyse spectrale* de leur fréquence d’apparition. Les écarts avec les caractéristiques observées peuvent être quantifiés par des mesures simples, comme des coefficients de corrélation ou de régression.

3Cette méthode a cependant l’inconvénient de ne pas détecter des modèles qui auraient une représentation de la variabilité apparemment correcte mais pour de mauvaises raisons, comme par exemple une compensation d’erreurs. Certains modèles peuvent d’autre part simuler une variabilité correcte mais décalée spatialement par rapport aux observations, à cause de biais dans leur état moyen. Par exemple, El Niño est décalé vers l’ouest dans la plupart des modèles. Une mesure trop simple ne fera pas la différence avec une variabilité erronée.

4On cherche donc à estimer également si, au-delà de leur effet final, les mécanismes physiques à l’origine de la variabilité sont bien représentés. Une connaissance partielle de ces mécanismes est cependant nécessaire. L’exemple du phénomène El Niño est représenté sur la figure 1. On a mesuré, dans différents modèles et dans plusieurs jeux d’observations, la force de la réponse aux anomalies de température de l’océan : d’une part, la réponse du vent à l’équateur, qui va amplifier ces anomalies (rétroaction positive*), d’autre part, les échanges d’énergie avec l’atmosphère qui vont en général les diminuer (rétroaction négative*). Ces deux approches sont complémentaires : pour étudier l’impact distant d’El Niño, on cherchera avant tout une signature en température bien localisée et de la bonne amplitude. Pour prévoir son évolution dans un climat différent, on préférera un modèle qui a le bon équilibre entre les différentes rétroactions en jeu.

Reproduction des variations observées

5La variabilité climatique* est en grande partie imprévisible ; les modèles ne reproduisent donc pas en général exactement les fluctuations observées, sauf dans un sens statistique. Cependant, une partie de cette variabilité est forcée par des variations des conditions aux limites. Elle peut alors être utilisée pour évaluer les modèles en vérifiant leur réponse aux mêmes variations.

6À l’opposé, les modèles peuvent être utilisés pour comprendre si des événements climatiques comme un hiver rigoureux ou un été caniculaire sont le fruit du hasard ou s’ils peuvent avoir au moins partiellement des causes identifiables.

Conditions de surface

7L’état de la surface terrestre (couverture de glace, enneigement, température de l’océan) évolue plus lentement (de quelques mois à plusieurs années) que les conditions atmosphériques. On peut donc chercher à comprendre si certaines anomalies en surface peuvent avoir une influence distante sur l’atmosphère. L’Oscillation Nord Atlantique (NAO*) est un phénomène atmosphérique qui domine le climat européen aux périodes supérieures à la semaine (cf. II-16) ; il a donc été beaucoup étudié, particulièrement en vue de sa prévision. On a repéré dans les observations des anomalies de la surface, comme les températures de surface de l’océan Atlantique Nord, qui sont statistiquement liées à la NAO, mais cela ne suffit pas pour déterminer le sens de la relation de cause à effet, si elle existe. Si des méthodes statistiques plus complexes permettent d’avancer, un modèle présente l’avantage d’isoler la réponse de l’atmosphère aux variations en surface.

Fig. 1 – Réponses aux anomalies de température océanique liées à El Niño* dans deux jeux de données (à gauche, ERA40 et OAflux) et différents modèles. Pour chaque modèle, les barres du haut (µ) donnent la réponse des alizés, qui va amplifier ces anomalies. Les barres du bas donnent la réponse des flux de chaleur en surface (α), qui vont les atténuer. Ces réponses sont données pour des températures imposées observées (AMIP) ou issues du couplage avec un modèle océanique (Coupled). La combinaison de ces deux réponses contribue à déterminer les propriétés d’El Niño* dans les modèles. Ainsi, une compensation d’erreur peut par exemple donner une bonne propriété (e.g. amplitude de l’anomalie) pour de mauvaises raisons. Source : J. Lloyd et al., 2010.

8Pour cela, on effectue des simulations en mode « forcé », dans lesquelles les conditions de surface sont imposées au lieu de varier librement comme en mode couplé avec l’océan. L’approche la plus simple est de reproduire la série temporelle des températures de surface observées. On peut ensuite vérifier si les liens statistiques observés sont reproduits. C’est en général le cas entre la NAO et la température de l’océan, mais avec une amplitude très faible. Pour obtenir un signal plus robuste en réponse à une anomalie spécifique, on effectue des « ensembles » de simulations. Chaque simulation d’un ensemble est forcée par des conditions en surface identiques, mais avec des conditions initiales atmosphériques différentes. La moyenne sur les simulations d’un ensemble donne le climat moyen pour ces conditions de surface particulières : la différence entre deux ensembles donnera l’impact des anomalies de surface imposées.

9Les résultats de différents modèles semblent montrer qu’une réduction de la banquise en mer du Labrador ou qu’un enneigement important en Sibérie peuvent favoriser une phase négative de la NAO et donc un hiver froid en Europe. Il n’y a pas en revanche d’influence vraiment concluante des températures océaniques de l’Atlantique Nord ; seules les anomalies de température dans les océans tropicaux auraient un impact. Des études symétriques dans lesquelles l’océan répond aux vents et aux flux de chaleur en surface ont également été menées. Elles montrent que la NAO est la cause les anomalies observées dans l’océan : en partie par les échanges de chaleur et en partie par les anomalies de circulation forcées par le vent.

Forçage radiatif*

10Une autre famille de causes de changement climatique est liée aux modifications de l’équilibre radiatif de la Terre. La plus connue est due à l’augmentation des gaz à effet de serre*, mais d’autres interviennent sur des périodes plus courtes. Un exemple est l’impact de la destruction de la couche d’ozone au-dessus du pôle sud, qui a lieu chaque année au printemps depuis la fin des années 1970. Le trou d’ozone peut être facilement introduit dans des modèles de circulation atmosphériques dans lesquels la quantité d’ozone est prescrite à partir de celle observée. D’autres modèles ont une chimie de l’ozone interactive où les concentrations de nombreuses espèces et leurs interactions sont simulées. C’est alors la concentration de chlore (d’origine humaine) qui est prescrite et est augmentée pour faire apparaître le trou d’ozone. Dans les deux cas, on peut réaliser des simulations du climat avec et sans trou d’ozone et les comparer pour isoler son impact.

11L’impact local dans la stratosphère* polaire de la destruction de l’ozone est un fort refroidissement, le chauffage par absorption des rayonnements ultraviolets étant absent. La quasi-totalité des modèles simulent ensuite un impact dans la troposphère* en été austral, avec un déplacement vers le pôle de la ceinture de vents d’ouest (les 40e rugissants). Ce déplacement a ensuite des conséquences multiples, par exemple sur les courants océaniques ou sur la distribution des pluies (figure 2). Les observations, à partir de réanalyses ou de stations météo pour les périodes plus anciennes, montrent effectivement un déplacement des vents d’une amplitude comparable sur la même période, qui est donc attribué à la destruction de l’ozone. Cette tendance observée est cependant partiellement prolongée en automne, ce qui n’est jamais le cas dans les simulations. On ne sait pas si cette tendance automnale est fortuite, due à une autre cause inconnue, ou si elle n’est pas reproduite à cause d’une faiblesse systématique des modèles…

12D’autres phénomènes à l’origine de perturbations radiatives se sont produits pendant la période récente riche en observations. Ainsi, une éruption volcanique tropicale comme celle du Pinatubo amène un refroidissement global pendant 1 an et demi, dont l’amplitude fournit un bon test de la sensibilité des modèles.

Événements extrêmes ou régionaux

13Les événements intenses ou extrêmes ont un impact humain considérable. De gros efforts de modélisation ont donc été effectués, en particulier autour de la prévision événementielle. Dans le cas des cyclones tropicaux, l’assimilation de données a ainsi permis une nette amélioration de la prévision des trajectoires. Ce type d’événement a en général une échelle spatiale petite (de l’ordre de 100 km pour un cyclone, souvent moins pour d’autres), et son étude directe nécessite donc des modèles à fine résolution*. Les modèles de circulation générale utilisés pour l’étude du climat global sur des longues périodes ont encore des résolutions trop grossières pour correctement représenter ces phénomènes. La prévision de changements des caractéristiques des événements extrêmes est cependant devenue un enjeu des études de changement climatique. Des approches possibles sont illustrées pour le cas des cyclones.

14Une première stratégie pour résoudre ce problème est uniquement statistique : on fabrique des indices de cyclogenèse à partir des observations pour estimer le nombre annuel de cyclones en fonction d’un environnement tropical donné : humidité de l’air, cisaillement de vent, températures atmosphériques et océaniques. Un modèle de climat simulera des variations de cet environnement à grande échelle, desquelles on pourra déduire des changements de la fréquence des cyclones. L’inconvénient de cette approche réside dans le caractère empirique des indices qui est mal adapté à un problème de changement climatique. En effet, les changements actuels de l’environnement (d’une année sur l’autre) et les changements futurs n’auront pas forcément les mêmes causes, leurs effets ne seront donc pas forcément identiques.

15Une alternative consiste à effectuer une « régionalisation dynamique ». L’approche est la même que celle décrite plus haut pour l’impact des conditions de surface, mais cette fois on effectue des ensembles de simulations avec un modèle régional à résolution élevée, capable de simuler les cyclones, avec des conditions imposées également à l’extérieur du domaine régional. La régionalisation des réanalyses NCEP* dans le Pacifique Sud reproduit bien le nombre de cyclones et leur distribution en intensité dans le climat présent (statistiques sur 1979-2004). En particulier, la régionalisation montre une variabilité interannuelle réaliste de la cyclogenèse et de l’occurrence cyclonique et permet de dissocier la variabilité forcée par l’environnement (différence entre ensembles ou variations d’une année sur l’autre) de la variabilité stochastique (donnée par les différences à l’intérieur d’un ensemble). Ainsi, la variabilité stochastique apparaît au moins aussi importante que la variabilité forcée, celle-ci étant essentiellement associée à El Niño. En conséquence, la prévisibilité saisonnière est très limitée dans le Pacifique. Seul l’Atlantique Nord voit une variabilité forcée relativement plus importante, permettant sans doute la prévision saisonnière dans cette région.

Fig. 2 – Impact simulé du trou de la couche d’ozone en été austral. À gauche, coupe verticale du vent zonal (vers l’est). Le vent moyen est en noir et la différence est en couleurs : on voit un déplacement vers le pôle de la région de vents forts dans toute la troposphère*. À droite, les changements de précipitations, en %. On voit le déplacement vers le pôle des régions de pluies associées aux tempêtes, et l’assèchement de l’Antarctique. Seuls les changements statistiquement significatifs sont indiqués

16Compte tenu des bons résultats de la régionalisation issue des réanalyses, une tentation naturelle est de produire une régionalisation pour des simulations climatiques futures. Malheureusement, cette approche peut se montrer impraticable. Le test de validité d’une telle expérience consiste à déjà reproduire avec le même modèle les statistiques de l’activité cyclonique du climat présent. Cependant, même un modèle présentant une bonne circulation tropicale moyenne simulée et des événements El Niño réalistes peut se révéler impropre à la régionalisation : celle-ci entraîne une production catastrophique de cyclones (plusieurs dizaines au lieu de 7 cyclones annuels dans les observations et 8 dans la régionalisation de NCEP). L’analyse des indices de cyclogenèse appliqués au modèle montre que l’environnement tropical y est exagérément favorable : humidité tropicale élevée, cisaillement de vent faible. Ces biais tropicaux sont courants dans les modèles climatiques et semblent associés à une cellule de Hadley trop intense. Pour corriger ce problème, il faudrait essayer de sélectionner les modèles en prenant en compte les gradients de température, d’humidité et de vent ou l’intensité des cellules de circulation tropicale, voire directement les indices de cyclogenèse.

17Si la régionalisation ne fonctionne pas, comment pouvons-nous proposer des projections climatiques de l’activité cyclonique ? La méthode courante est de n’utiliser que les anomalies de la projection, ajoutées aux réanalyses NCEP. Ainsi, les biais des modèles climatiques sont retirés et on ne retient que le changement climatique produit par l’augmentation de l’effet de serre*. La même approche dans le Pacifique Sud donne une diminution significative du nombre de cyclone annuel (environ 2 cyclones de moins sur les 8 du climat présent). Mais ces résultats sont-ils fiables ? Si la climatologie des modèles ne fournit pas les conditions réelles de la cyclogenèse, les changements climatiques sont-ils plus fiables à ce niveau-là ? On peut penser à juste titre qu’il n’en est rien et dans ce cas, de telles projections auraient peu de valeur.

Indice delle illustrazioni

Legenda Fig. 1 – Réponses aux anomalies de température océanique liées à El Niño* dans deux jeux de données (à gauche, ERA40 et OAflux) et différents modèles. Pour chaque modèle, les barres du haut (µ) donnent la réponse des alizés, qui va amplifier ces anomalies. Les barres du bas donnent la réponse des flux de chaleur en surface (α), qui vont les atténuer. Ces réponses sont données pour des températures imposées observées (AMIP) ou issues du couplage avec un modèle océanique (Coupled). La combinaison de ces deux réponses contribue à déterminer les propriétés d’El Niño* dans les modèles. Ainsi, une compensation d’erreur peut par exemple donner une bonne propriété (e.g. amplitude de l’anomalie) pour de mauvaises raisons. Source : J. Lloyd et al., 2010.
URL http://books.openedition.org/editionscnrs/docannexe/image/11452/img-1.jpg
File image/jpeg, 522k
Legenda Fig. 2 – Impact simulé du trou de la couche d’ozone en été austral. À gauche, coupe verticale du vent zonal (vers l’est). Le vent moyen est en noir et la différence est en couleurs : on voit un déplacement vers le pôle de la région de vents forts dans toute la troposphère*. À droite, les changements de précipitations, en %. On voit le déplacement vers le pôle des régions de pluies associées aux tempêtes, et l’assèchement de l’Antarctique. Seuls les changements statistiquement significatifs sont indiqués
URL http://books.openedition.org/editionscnrs/docannexe/image/11452/img-2.jpg
File image/jpeg, 161k

Autori

Dynamicien de l’atmosphère et du climat, LMD, Paris.
francis.codron@lmd.jussieu.fr

Océanographe, Directeur de Recherche à l’IRD, LEGOS, Toulouse.
patrick.marchesiello@ird.fr

© CNRS Éditions, 2011

Condizioni di utilizzo http://www.openedition.org/6540