Version classiqueVersion mobile
OpenEdition Books

Le climat à découvert

 | 
Catherine Jeandel
, 
Rémy Mosseri

Septième partie. Prévision et projection climatique

6. Les prévisions climatiques

Jean-Pierre Céron, Michel Déqué et Juliette Mignot

Texte intégral

Les prévisions mensuelles à interannuelles

1Les échelles de prévision mensuelle et saisonnière sont, dans l’appellation de l’Organisation Mondiale Météorologique (OMM*), les premières échéances de la prévision climatique. L’OMM propose, pour les productions opérationnelles des prévisions à ces échéances, un cadre d’organisation porté principalement par les services météorologiques nationaux. Sur une base régulière, les centres de prévision (plus d’une dizaine) fournissent alors des produits à l’échelle globale (température, précipitations, etc.) qui sont ensuite éventuellement adaptés aux spécificités régionales (e.g. les régions de mousson, le continent européen, la France, etc.). Ainsi chaque mois, Météo-France, avec d’autres organismes, délivre une prévision saisonnière pour les trois mois suivants. L’information sur la qualité/performance des produits, systématiquement fournie, est essentielle pour leur utilisation ; la validation se fait classiquement sur la période 1979-2008 où les scores de prévision sont calculés. L’OMM a aussi développé en parallèle un Système de Vérification Standardisé (SVS) qui permet d’évaluer la qualité intrinsèque ou relative des informations produites par les systèmes de prévision saisonnière, tant au niveau déterministe (moyenne d’ensemble) que probabiliste (distribution des futurs possibles). Ces informations, qui constituent une véritable estimation de la qualité des modèles, de leurs performances et de leurs faiblesses, sont publiques et mises à disposition sur le site du Lead-Centre pour le SVS. Cette évaluation est par ailleurs d’une grande utilité car les modèles participant aux exercices des projets d’intercomparaison des modèles couplés (CMIP*) pour les projections sont en général très proches de ceux utilisés dans le monde opérationnel des prévisions saisonnières.

2La capacité prédictive des modèles pour des événements présents ou passés proches est donc clairement quantifiée et analysée. Elle apparaît comme très variable en fonction du paramètre, de la région ou encore de la période de l’année considérée. D’une manière générale, la composante océanique se caractérise par une meilleure prévisibilité que la composante atmosphérique. Le bassin Tropical Pacifique a toujours bénéficié d’excellents scores de prévision (jusqu’à des échéances de 6 mois environ) en termes de températures de surface de la mer, notamment grâce à la prédominance des événements de type ENSO* (cf. II-16), mais aussi en termes de circulation atmosphérique via les téléconnections associées. Les modèles couplés de dernière génération ont fait des progrès remarquables dans la qualité des prévisions sur les autres bassins tropicaux comme ceux de l’Atlantique. Ils ont également des comportements plus réalistes en dehors des zones tropicales même si les scores restent plus élevés dans les tropiques que dans les extra-tropiques de par la nature plus chaotique de l’écoulement atmosphérique aux latitudes plus élevées et sa moindre sensibilité aux forçages par les températures de surface de la mer. Les prévisions sont de plus faible qualité sur les continents de par la complexité des processus à l’interface sol/atmosphère à représenter dans les modèles de climat (figure).

3Par ailleurs, les précipitations ont une prévisibilité inférieure aux températures, à la fois de part la nature plus chaotique du paramètre qui le rend difficile à mesurer, mais aussi à cause de la difficulté inhérente à leur simulation dans les modèles atmosphériques.

4Même si la prévisibilité est réduite pour les variables météorologiques sur les continents, elle peut être déduite indirectement via les techniques de descente d’échelles qui consistent à utiliser la prévision de la circulation atmosphérique de grande échelle pour en tirer une information locale via des relations statistiques observées. Les circulations atmosphériques tropicales sont assez bien représentées, notamment les circulations de Hadley-Walker, ainsi que leurs variabilités saisonnières à interannuelles. En revanche, l’occurrence des régimes atmosphériques des latitudes plus élevées reste encore mal capturée en moyenne, sauf certaines années de plus forte prévisibilité (i.e. lorsque les anomalies de température de surface océanique sont marquées et persistantes et influencent plus fortement l’atmosphère).

Courbes de ROC (Receiver Operating Characteritics - caractéristiques de fonctionnement du récepteur) obtenues à partir du modèle opérationnel de Météo-France sur la prévision de la température de surface pour la zone Europe du Nord (gauche) comparées avec celle des températures océaniques dans la zone TNA (Atlantique Tropical Nord, droite) pour la saison Décembre-Janvier-Février. L’axe des abscisses (ordonnée) représente le taux de fausses alertes (taux de bonnes prévisions). La validation a été faite sur la période 1979-2007 avec un ensemble de 11 membres démarrant au 1er novembre de chaque année prévoyant les 3 mois suivants. L’évaluation est faite pour les catégories standardisées « Au-dessous de la normale » (en bleu continu), « Au-Dessus de la normale » (en rouge continu) et deux catégories plus extrêmes (~ 15 % de la distribution) « Très Au-Dessus de la normale » (en vert interrompu) et « Très Au-dessous de la normale » (en bleu interrompu), soit 4 courbes. Plus l’aire sous la courbe est grande, meilleur est le score de prévision

5L’information cruciale pour l’exploitation de ce type de prévisions reste l’évaluation des incertitudes inhérentes à cet exercice. La notion de prévision d’ensemble répond en partie à cette préoccupation en fournissant un échantillonnage de la réponse du modèle à différentes conditions initiales atmosphériques et océaniques (cf. V-3). L’incertitude liée à la modélisation elle-même doit aussi être considérée. L’approche dite « multimodèle » (utilisation de tous les modèles disponibles pour une même prévision) permet de minimiser en partie cette source d’incertitude structurelle. En règle générale, cette prévision améliore significativement les estimations des probabilités, principalement pour des quantités intégrées sur des échelles spatiales relativement grandes. Leur apport est plus discutable pour des scores calculés sur des régions d’échelle spatiale réduite (régions, etc.).

6Enfin, l’océan et l’atmosphère ne sont pas les seules composantes du système climatique* qui se caractérise par un certain niveau de prévisibilité aux échéances mensuelles à saisonnières. Le système hydrologique suscite depuis quelques années un intérêt certain, y compris dans les régions à faible prévisibilité atmosphérique, compte tenu du poids de plus en plus important que prend la gestion des ressources en eau.

Les prévisions décennales

7Thème émergeant et prometteur en termes d’applications, la prévision décennale, qui comprend les échelles de 5-30 ans, est aujourd’hui un tout jeune sujet de recherche fondamentale. En effet, la question est bien plus complexe que d’intégrer simplement les modèles de prévision saisonnière sur 10 ou 20 ans, ou de désagréger sur 2010-2030 les projections climatiques. Les protocoles expérimentaux et les hypothèses de travail classiques ne s’appliquent pas ou trouvent souvent leurs limites aux échelles décennales car les questions d’interaction entre les différentes sources de variabilité et donc de prévisibilité (première espèce par les conditions tridimensionnelles océaniques dans les conditions initiales, et deuxième espèce par l’évolution des concentrations des GES) et les différentes sources d’incertitude sont centrales.

8CMIP5 définit un cadre coordonné de recherche et de mise en place de simulations numériques sur le changement climatique. Pour relever le défi de la prévisibilité du système climatique sur les prochaines décennies, ce programme propose pour la première fois une série d’expériences coordonnées dédiées à l’étude de la prévisibilité décennale, en plus des expériences classiques de projection climatique. Le cœur du volet décennal consiste à réaliser une série de re-prévisions du climat sur la période 1960-2005 afin de quantifier le niveau de prévisibilité et de déterminer les mécanismes actifs à ces échelles. Ainsi, une prévision d’ensemble est initialisée aux observations disponibles en 1960, 1965, 1970… 2005 et intégrée sur 10 ans à partir de chaque date. Pour cela, il est indispensable de travailler sur les techniques et stratégies d’initialisation, en particulier de la composante océanique des modèles de prévision qui contient la mémoire climatique aux échelles décennales considérées.

9La première technique d’initialisation de l’océan est une approche dite « en anomalies » qui tend à minimiser le choc au moment du couplage entre les modèles d’océan et d’atmosphère et ainsi à minimiser l’interaction entre le signal de prévision que l’on cherche et la dérive du modèle. Pour la deuxième approche, « brut-force », les champs tridimensionnels de température et salinité des réanalyses océaniques (cf. IV-4) sont utilisés tels quels pour l’état initial océanique. Enfin, dans la troisième technique dite de « surface », seules les conditions de température de surface océanique sont utilisées en mode couplé pour l’initialisation du modèle.

10Malgré le problème posé par le manque d’observations qui constitue un véritable défi pour l’initialisation du système climatique, les premières tentatives ont montré que l’assimilation des données océaniques, y compris en profondeur, constituait une réelle valeur ajoutée pour la prévision des grandes phases décennales (AMO, Pacific Decadal Oscillation-PDO*, etc.). L’assimilation conjointe de données atmosphériques et océaniques, permettant de prendre en compte la covariabilité entre les deux composantes, semblerait être cependant la technique qui offrirait les meilleures performances de prévisions mais elle est très coûteuse en calcul et reste encore au stade de recherche fondamentale. Par ailleurs, l’initialisation d’autres composantes du système climatique ayant une prévisibilité au-delà de l’échelle de temps saisonnière (couverture de glace de mer, de neige, humidité des sols, etc.) améliorerait aussi les performances de prévision.

11La période de re-prévisions couvre 1960-2005 ; au-delà, il s’agit d’une véritable prévision décennale. Ainsi à partir d’un état océanique initialisé en 2010, l’exercice consiste à prévoir les modulations décennales du climat à venir jusqu’en 2020, voire 2030. On comprend ici que la différence essentielle entre les projections et les prévisions climatiques réside précisément dans cet état de départ initialisé en mode prévision, permettant de minimiser la source d’incertitude liée à la variabilité interne du climat qui n’est pas phasée avec l’observation dans les projections. Par ailleurs, les prévisions doivent prendre en compte les incertitudes sur l’état du climat à l’instant t (cf. VII-1). De même que pour l’initialisation, la façon de générer les différents états initiaux de l’ensemble va de l’application simpliste d’un brouillage homogène spatialement à des techniques plus élaborées de perturbations dites « optimales » du système climatique.

12Les premières tentatives de prévisions climatiques à l’échelle décennale sont sans aucun doute prometteuses selon les publications récentes. Elles montrent en particulier l’amélioration des performances globales à partir de simulations initialisées ou prévisions (information de prévisibilité de première espèce), par rapport à la seule prise en compte du forçage radiatif* dans les projections (information de prévisibilité de deuxième espèce). Il est ainsi montré que la température planétaire moyenne peut être « prévue » plus d’une décennie à l’avance sur la période d’apprentissage quelque soit la technique d’initialisation océanique. Néanmoins, ces résultats divergent en ce qui concerne la décennie future 2010-2020. La plupart des analyses suggèrent une poursuite du réchauffement global avec une année sur deux au-dessus de la valeur de température la plus chaude observée jusqu’alors (1998 à égalité avec 2005). Une étude prévoit en revanche une inflexion de la tendance au réchauffement associée à un ralentissement de la circulation océanique méridienne dans l’Atlantique. On voit bien que l’analyse des mécanismes à l’origine des performances de chacun des systèmes de prévisions sur les périodes passées et le comportement des modèles dynamiques actuels sous la contrainte de l’initialisation est primordiale pour l’évaluation de ces expériences.

Bibliographie

Références bibliographiques

• Site Internet du projet ENSEMBLES : http://www.ensembles-eu.org

• Site Internet du projet DEMETER : http://www.ecmwf.int/research/demeter

Table des illustrations

Légende Courbes de ROC (Receiver Operating Characteritics - caractéristiques de fonctionnement du récepteur) obtenues à partir du modèle opérationnel de Météo-France sur la prévision de la température de surface pour la zone Europe du Nord (gauche) comparées avec celle des températures océaniques dans la zone TNA (Atlantique Tropical Nord, droite) pour la saison Décembre-Janvier-Février. L’axe des abscisses (ordonnée) représente le taux de fausses alertes (taux de bonnes prévisions). La validation a été faite sur la période 1979-2007 avec un ensemble de 11 membres démarrant au 1er novembre de chaque année prévoyant les 3 mois suivants. L’évaluation est faite pour les catégories standardisées « Au-dessous de la normale » (en bleu continu), « Au-Dessus de la normale » (en rouge continu) et deux catégories plus extrêmes (~ 15 % de la distribution) « Très Au-Dessus de la normale » (en vert interrompu) et « Très Au-dessous de la normale » (en bleu interrompu), soit 4 courbes. Plus l’aire sous la courbe est grande, meilleur est le score de prévision
URL http://books.openedition.org/editionscnrs/docannexe/image/11493/img-1.jpg
Fichier image/jpeg, 451k

Auteurs

Climatologue, Directeur adjoint scientifique de la climatologie à Météo-France, Toulouse.
jean-pierre.ceron@meteo.fr

Ingénieur général des ponts eaux et forêts, Responsable de la version climatique du modèle de prévision de Météo-France, CNRM, Toulouse.
deque@meteo.fr

Océanographe, Chargée de Recherche à l’IRD, LOCEAN, Paris.
juliette.mignot@locean-ipsl.upmc.fr

© CNRS Éditions, 2011

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