Enjeux

Les projections actuelles du changement climatique réalisées à partir des Modèles de Circulation Générale (MCGs) couplés Océan-Atmosphère, décrivent des échelles spatiales de variabilité de l’ordre de quelques centaines de kilomètres. Ces échelles sont trop importantes pour permettre une représentation réaliste de l’impact de l’orographie sur les signaux calculés. Elles sont aussi trop importantes pour représenter nombre de phénomènes climatiques extrêmes tels que les cyclones tropicaux, les tempêtes des moyennes latitudes ou des phénomènes convectifs intenses. De plus, compte tenu de l’importante différence entre les échelles spatio-temporelles décrites par les MCGs et celles des études d’impacts des changements climatiques, il s’avère difficile d’utiliser directement les sorties de ces simulations pour contraindre des modèles de calcul des impacts. Ces limitations ont motivé le développement de la régionalisation des changements climatiques.

Par ailleurs, les études de détection de signaux de changement climatique dans les observations et leur attribution aux activités humaines, se sont pour l’essentiel limitées à la recherche de signaux de variations de température d’échelles compatibles avec celles décrites par les MCGs. Or, comme la plupart des évaluations socio-économiques des impacts des changements climatiques se situent à une échelle nettement inférieure, il importe de réduire aussi les échelles spatiales de la détection de ces changements afin de tirer le meilleur parti possible des observations les plus récentes. La détection d’un changement climatique régional dans les observations pourrait en effet alerter sur l’imminence d’impacts plus radicaux. Un autre intérêt d’une détection et d’une attribution des changements climatiques à l’échelle régionale, serait de permettre d’accorder une confiance accrue dans le calcul des projections à ces échelles.

Le premier objectif de la régionalisation est donc de réduire les échelles des phénomènes résolus par le calcul des changements climatiques. Mais cette réduction d’échelle ne serait pas suffisante si elle ne s’accompagnait pas d’une amélioration de la représentation du climat présent en termes de moyenne et de variabilité, dont celle liée aux événements extrêmes. La confiance dans les résultats des projections sera d’autant plus grande que les simulations du climat actuel seront proches des observations. Pour autant, ce critère peut s’avérer insuffisant s’il apparaît que les mécanismes prépondérants dans le maintien de l’équilibre de certains paramètres climatiques, et donc de la climatologie de base du modèle, sont différents de ceux qui dominent les signaux de changement de ces paramètres. Cela implique que les mécanismes à l’origine des signaux de changements climatiques soient identifiés, compris et si possible validés.

Méthodes de «désagrégation» d’échelles

Le passage de signaux de changement climatique de l’échelle résolue par les MCGs jusqu’à l’échelle régionale et l’échelle locale est couramment désigné par le terme de «désagrégation». Le choix des méthodes de désagrégation d’échelle dépend du type d’étude d’impact qui est réalisé. Ces méthodes peuvent être divisées en deux classes principales qui peuvent être bien sûr combinées entre elles.


Utilisation des techniques statistiques
La première fait appel à des techniques statistiques qui consistent à tenter de relier les variables de grande échelle aux variables d’échelle régionale ou locale au moyen de modèles simples ou de fonctions ajustées sur les observations (générateurs de temps, fonctions de transfert, types de temps…). Les principaux avantages de ces méthodes sont qu’elles tirent parti des observations existantes à l’échelle régionale ou locale et qu’elles sont peu coûteuses. Par contre, elles s’appuient sur la stabilité des relations statistiques entre paramètres d’échelles différentes en faisant l’hypothèse que les relations mises au point sur le climat présent restent valables dans les conditions d’un climat modifié. Or cette stabilité n’est pas garantie.


Utilisation de la régionalisation dynamique
La deuxième classe de méthodes fait appel à la régionalisation dynamique. Dans ce cas on utilise un modèle de simulation du climat dont la résolution est plus fine que celle des MCGs couplés. Du fait de leur coût prohibitif, ces modèles ne simulent en général que les évolutions de l’atmosphère (à l’exclusion de l’océan) et sur une période de temps limitée au plus à quelques décennies. Les modifications des températures océaniques en particulier liées à celles des courants marins ou les modifications de couvertures de banquise, sont alors prescrites suivant les résultats des simulations réalisées avec les MCGs couplés. Ces modèles peuvent être :

• soit globaux, à résolution variable permettant de mieux décrire une région particulière de la planète,

• soit à domaine limité, et contraints à leurs limites par les sorties d’un MCG (par commodité, nous désignerons dans la suite l’ensemble de ces modèles sous les termes génériques de Modèles Climatiques Régionaux ou MCRs).
  

Le double avantage de l’utilisation de MCRs est de représenter explicitement la circulation et les variables climatiques à des échelles plus fines, et d’autoriser la prise en compte d’échelles des forçages naturels ou anthropiques elles aussi plus fines. Leur inconvénient majeur est leur coût, sachant que les incertitudes des simulations particulièrement importantes à l’échelle régionale nécessitent la réalisation d’ensembles de simulations à partir de plusieurs modèles. De plus, les défauts systématiques des MCRs sont souvent les mêmes que ceux des modèles de grande échelle dont ils sont issus.

Dans la suite de cet article, nous nous intéresserons aux résultats acquis et aux recherches conduites dans notre communauté dans le domaine de la régionalisation dynamique.

Les acquis au niveau international

Quelques acquis au niveau international peuvent être dégagés du dernier rapport du GIEC (IPCC 2001) en ce qui concerne l’utilisation de MCRs.


La température
Les modèles régionaux ont été comparés aux observations et montrent des biais sur la température près de la surface sensiblement inférieurs à ceux des MCGs de grande échelle. Les erreurs sont typiquement inférieures à 2° lorsqu’elles sont plutôt inférieures à 4° dans les modèles de grande échelle.


Les précipitations
Les précipitations en moyenne sur le domaine ne sont pas nécessairement mieux reproduites. Par contre la distribution spatiale est plus conforme à celle des observations. L’écart aux observations est généralement inférieur à
50% lorsque les modèles sont contraints par des observations à leur frontière, ou inférieur à 60% lorsqu’ils sont contraints par des MCGs.


Des biais communs aux modèles
Les modèles présentent parfois des défauts systématiques communs. Par exemple, pour l’Europe, plusieurs modèles ont tendance à produire des biais chauds plus importants en été, semble-t-il attribuables à un trop fort assèchement de la surface. D’une manière générale, il apparaît que lorsqu’un MCR est contraint à ses limites par un MCG, les erreurs systématiques se transposent pour partie d’un modèle à l’autre. Au bénéfice des MCRs, les analyses de variabilité conduites à ce jour montrent qu’ils arrivent à mieux reproduire les événements de fortes précipitations, les modèles de grande échelle ayant en particulier une tendance à reproduire des précipitations hivernales plus fréquentes et moins intenses.


Les changements climatiques simulés par les MCRs
Ceux-ci sont similaires à l’échelle du domaine simulé mais diffèrent par les caractéristiques de moyenne échelle.

Les résultats des simulations conduites avec les modèles régionaux montrent que le signal de changement de température dû à l’augmentation des concentrations des gaz à effet de serre pourrait dépendre fortement de l’altitude en liaison avec la modification de la couverture de neige (réchauffement plus fort en altitude). Ils sont aussi modulés par l’orographie. Les changements de variabilité journalière de la température sont similaires dans les MCRs et les MCGs (décroissance en hiver et croissance en été). Par contre les changements de variabilité des précipitations peuvent être différents en particulier en été avec une augmentation de la variabilité plus importante dans les MCRs. A l’inverse, certaines études montrent une moindre croissance du nombre d’événements de fortes précipitations dans des MCRs comparés aux MCGs associés.

Les MCRs apportent donc une valeur ajoutée aux études de changement climatique. Quelques études d’impact du changement climatique montrent aussi un effet significatif de la régionalisation du climat sur les indicateurs économiques analysés. Cette sensibilité plaide en faveur du développement des recherches dans ce domaine.

Les recherches en France

Un atout de notre communauté est l’existence de deux outils de modélisation permettant des analyses climatiques à l’échelle régionale. Ces deux outils développés au CNRM et à l’IPSL sont tous deux des modèles globaux à résolution variable. Cette technique originale présente l’avantage de permettre une interaction à double sens entre l’échelle régionale et la grande échelle. Ces modèles ont d’ores et déjà été utilisés ou sont actuellement utilisés pour des études de climats régionaux dans le contexte de projets européens (RACCS, MERCURE, PROMISE, PRUDENCE) ou de projets nationaux. Cette technique de régionalisation reste cependant encore trop coûteuse pour atteindre des résolutions de l’ordre de 10 à 20 km qui commencent à être utilisées par d’autres groupes de recherche. Le développement complémentaire de modèles à aire limitée pour des applications à ces résolutions, paraît être nécessaire à relativement brève échéance. De plus les modèles régionaux devront être couplés avec les autres composantes du système climatique comme c’est actuellement le cas pour un modèle à haute résolution de la Méditerranée.


Quelques résultats du modèle ARPEGE-Climat

Différents scénarios de changement climatique ont été récemment réalisés au CNRM à l’aide de la version à maille variable du modèle ARPEGE-Climat. Nous en présentons ici quelques résultats à titre d’illustration des recherches qui sont conduites dans notre communauté.

Le climat présent
La première étape de l’analyse des scénarios de changement climatique est celle de la validation du modèle sur le climat présent. L’apport d’une meilleure résolution est clairement identifiable sur une comparaison des températures de surface simulées aux observations. Cette amélioration, existant en toute saison, mais montrée dans le cas particulier de l’hiver (figure 1), résulte directement de la meilleure prise en compte de l’orographie par le modèle régional. Elle ne se traduit pas aussi directement sur les précipitations même si l’amélioration est dans ce cas aussi sensible (figure 2).

Un scénario de changement climatique consiste en une simulation d’une période d’une ou plusieurs décennies correspondant généralement à la fin du siècle, simulation que l’on compare à une simulation analogue réalisée pour les conditions actuelles.


Les changements climatiques : l’exemple des précipitations hivernales
Les incertitudes sur les signaux de changement climatique calculés résultent en particulier des incertitudes sur les scénarios d’émissions qui ont servi de base à la détermination des forçages appliqués pour le climat futur, et des incertitudes sur la représentation des processus climatiques par les modèles. Une autre source est la variabilité en partie chaotique du système climatique, celle de l’atmosphère et des surfaces continentales en particulier. Cette dernière source d’incertitude est illustrée sur la figure 3 qui montre les changements de précipitations hivernales dans deux simulations identiques en termes de forçage radiatif et océanique mais dont les conditions initiales pour l’atmosphère et l’humidité des sols sont différentes. Bien que la modulation par le relief soit analogue dans les deux simulations, l’amplitude des changements peut être notablement différente.


La détection d’un signal de changement climatique en France
Il n’est bien sûr pas possible de valider directement les résultats des simulations régionales du changement climatique. Elles peuvent l’être cependant indirectement par l’analyse des mécanismes mis en jeu et, comme indiqué en introduction, au travers de la détection de changements climatiques régionaux. La méthode de détection optimale appliquée à l’échelle planétaire par différents groupes de chercheurs, vient d’être appliquée à l’échelle régionale. Cette application combine les résultats de trois simulations de changement climatique régionales différant par leurs conditions initiales et les données de température en surface du dernier siècle, homogénéisées sur la France (Cf. Lettre PIGB-PMRC «Changement Global» N°12).

Le principal résultat est la détection d’un signal de changement climatique récent cohérent entre observations et modèle, lorsque la méthode de détection est appliquée aux tendances sur 30 ans des températures minimales journalières d’été. Un test statistique révèle que le signal se distingue de la variabilité naturelle avec une probabilité de 90% (figure 4). Ce seuil de significativité n’est par contre pas franchi lorsque la même méthode est appliquée aux tendances de températures maximales journalières d’été, ou aux tendances de températures hivernales. Ce succès partiel est très encourageant puisqu’il montre pour la première fois la détection d’un signal de changement climatique à l’échelle régionale qui ressemble à celui qui est calculé par un modèle climatique régional.


Perspectives
Les résultats obtenus au cours de ces dernières années sont donc très encourageants mais ils soulignent aussi la nécessité d’actions de recherche coordonnées afin d’avancer sur la difficile question des incertitudes. Il est aussi indispensable d’avancer sur la combinaison des méthodes dynamiques et statistiques, afin, en particulier, d’obtenir une meilleure représentation des phénomènes climatiques extrêmes.

Contact : Serge Planton Météo-France, CNRM, 42, avenue Gaspard Coriolis, 31057 Toulouse