|
Accompagnement > La modélisation du climat > La régionalisation
Les études d’impact nécessitent généralement de disposer de données climatiques simulées à une échelle plus fine que la résolution actuelle des modèles de grande échelle des simulations climatiques (de l’ordre de 300 à 50 km) ou mettent en jeu des phénomènes à seuil, pour lesquels les biais des modèles sont rédhibitoires. Il faut donc augmenter la résolution du maillage. On parle alors de régionalisation. Les méthodes de régionalisation permettent de descendre à des échelles plus fines de l’ordre de la dizaine de kilomètres (cf. figure ci-dessous).
Représentation conceptuelle de la désagrégation spatiale. Source : CRU
Pour certaines études d’impact, le changement climatique est demandé pour des points précis correspondant aux emplacements des stations de mesure. Or, les points de grille d’un modèle représentent des valeurs moyennes sur la maille, d’où des différences parfois importantes avec les valeurs ponctuelles mesurées. Il est alors nécessaire de procéder à des descentes d’échelle, en particulier pour étudier les extrêmes de précipitations et pour les régions à topographie complexe.
La technique de descente d’échelle n’a un sens que s’il existe un lien entre la grande échelle et la petite échelle. La technique de descente d’échelle doit : - refléter les processus sous-maille ; - prendre en compte les processus physiques ; - apporter plus qu'une simple interpolation linéaire.
Les méthodes de descente d’échelle conduisent à une augmentation artificielle de la résolution. Un calcul d’incertitude est nécessaire pour déterminer la confiance que l’on peut accorder aux résultats, ce calcul peut se faire sur la période « climat présent ». Les études d’impact doivent en particulier reposer sur plusieurs simulations (scénarios/modèles/méthodes de descente d’échelle) pour évaluer les incertitudes.
Deux approches existent en matière de méthodes de descente d’échelle : - l’approche dynamique qui consiste à résoudre explicitement la physique et la dynamique du système climatique régional ; - l’approche statistique qui repose sur la recherche d’une relation statistique entre les variables locales et les prédicteurs modèles.
Ces deux approches peuvent être utilisées de façon indépendante ou combinée (méthodes statistico-dynamiques). L’approche dynamique est souvent plus coûteuse en temps de calcul. L’approche statistique quant à elle nécessite de trouver une méthode adaptée au type d’impact que l’on souhaite étudier (paramètres, domaine, …) et de disposer de données historiques sur une période suffisamment longue (10-20 ans). Mettre en œuvre deux méthodes de descente d’échelle pour un même problème est un moyen de quantifier une partie de l’incertitude.
Source : Note interne Action RETIC Météo-France
Descente d'échelle dynamique
Les méthodes de descente d’échelle dynamique consistent à utiliser un modèle atmosphérique à maille variable, ou un modèle à aire limitée forcé par un modèle de grande échelle. Il existe 3 méthodes distinctes pour faire de la régionalisation climatique par une approche dynamique :... Descente d'échelle statistique
Les méthodes de descente d’échelle statistique reposent sur la détermination de relations quantitatives entre les variables de grande échelle et les variables locales de surface. Elles sont basées sur le fait que le climat régional dépend de deux facteurs : le climat de grande échelle et les caractéristiques locales ou régionales telles que la topographie, l’indice terre/mer, le type de surface, la couverture du sol… Les méthodes statistiques permettent de mettre en évidence des relations physiquement interprétables entre les champs de grande échelle et les conditions climatiques de surface mais présentent parfois l’inconvénient d’une mauvaise représentation de la variance observée ou des phénomènes extrêmes. L’information locale ou régionale est obtenue à partir d’un modèle statistique qui relie les variables de grande échelle (prédicteurs) aux variables locales ou régionales (prédictant). Il existe un grand nombre de méthodes que l’on peut combiner entre elles : régression linéaire multiple, analyse de corrélation canonique, réseau de neurones artificiels, modèles multivariés auto-régressifs, échantillonnage conditionnel et autres méthodes basées sur les analogues, méthodes basées sur un indice de circulation potentielle de précipitations et de circulations-types critiques, générateur de séries conditionnel, correction à l’échelle locale et descente d'échelle dynamique. Les méthodes statistiques reposent sur trois hypothèses implicites, qui s’appliquent également partiellement à l’approche dynamique :... |
|
