• Recommandations

Cet article liste les principales recommandations des producteurs sur l'utilisation des simulations climatiques mises à disposition sur le portail Drias[CLIMAT].

1. Ne pas comparer les données des simulations climatiques à une date particulière

Il est important de comprendre que les situations météorologiques simulées sont virtuelles et n’ont pas pour objectif, pour une date de validité donnée, de reproduire la situation correspondante réellement observée (ou qui sera observée). Les données de référence, datées, ne doivent pas être comparées aux valeurs observées à la même date. Mais l’ensemble d’une simulation de référence a les caractéristiques du climat de la période de simulation (1950-2000 par exemple). On proposera donc de préférence des valeurs moyennes sur plusieurs années (classiquement 30 ans) ou des fréquences de phénomènes.

Par ailleurs, les projections climatiques débutent généralement en 2006. Les premières années de simulation relèvent aujourd'hui du passé récent.

2. Attention à l’interprétation des résultats pour les horizons proches (période 2021-2030)

En effet, pour cette période, on ne peut distinguer la variabilité climatique naturelle d’un signal qui serait dû au changement climatique. Pour cette période, il est recommandé notamment de s’orienter vers des prévisions décennales, aujourd'hui produites dans le cadre de l'Organisation Mondiale de la Météorologie.

3. Utiliser systématiquement plusieurs scénarios et des produits de distribution ou plusieurs modèles

Il existe principalement deux sources d’incertitude : l’incertitude « modèle » liée à la représentation des processus physiques et l’incertitude associée aux scénarios d’émission des gaz à effet de serre. La première incertitude peut être analysée en utilisant des produits de distribution issus d'un ensemble de modèles (par exemple les modèles DRIAS-2020). La deuxième peut être approchée en proposant des simulations obtenues pour plusieurs scénarios d’émission (RCP).

On proposera donc systématiquement plusieurs scénarios et des produits de distribution ou plusieurs modèles, de manière à intégrer au moins une source principale d’incertitude.

La concentration en gaz carbonique varie en fonction des scénarios de manière sensible à partir de 2040. Pour les études au-delà de cette période, il est donc conseillé d’utiliser plusieurs scénarios pour prendre en compte les incertitudes sur l’évolution de la concentration en gaz carbonique. Les trois scénarios RCP2.6, RCP4.5 et RCP8.5 constituent un ensemble qui permet de donner une idée de la dispersion des résultats et de représenter la variabilité de manière suffisante. Des calculs statistiques comme des fourchettes de durée de retour peuvent être mis en place.

4. Ne pas pondérer les simulations climatiques

Les simulations climatiques ne sont pas des prévisions et aucune échelle de probabilité ne leur est attachée (aucun scénario n’est plus probable qu’un autre). Elles représentent à priori des évolutions plausibles du climat de la France sur le 21e siècle basées sur les connaissances actuelles.

5. Privilégier les jeux de données corrigées (par rapport aux observations) aux données brutes

Les simulations issues des modèles climatiques comportent des biais plus ou moins importants selon les paramètres et les régions du monde. Il est recommandé de les corriger avant de les utiliser.

Ainsi le portail DRIAS[CLIMAT] propose principalement des simulations climatiques corrigées sur la France. Ces jeux de données corrigées sont à privilégier systématiquement par rapport aux données brutes.

6. Choisir la méthode de désagrégation adaptée à l’application étudiée

Il existe plusieurs méthodes dynamiques et statistiques de descente d’échelle et de correction pour les projections climatiques. Selon le type d’application, le choix d'une méthode peut s'imposer.

Il faut avoir à l’esprit que l’approche dynamique est très coûteuse en temps de calcul et que l’approche statistique est intéressante, selon le domaine et le paramètre étudié, sous réserve de disposer de données observées homogènes sur une période suffisamment longue. L’approche statistique est conseillée pour des paramètres élaborés et pour disposer d’informations locales. L’approche dynamique permet de disposer de valeurs cohérentes pour plusieurs paramètres et/ou plusieurs sites.

Les simulations climatiques récentes du portail DRIAS[CLIMAT] sont principalement issues d'un ensemble de projections climatiques régionalisées sur l'Europe (Euro-CORDEX), ensuite corrigées par une méthode statistique (par exemple, ADAMONT pour le jeu DRIAS-2020).

7. La qualité des simulations ne dépend pas de leurs résolutions

Les simulations climatiques sont produites par des modèles numériques ayant leurs propres résolutions spatiales. Par certaines opérations, comme l’application d’une méthode de régionalisation statistique, la résolution spatiale de ces simulations peut-être affinée (jusqu'à 8 km dans le cas des données corrigées disponibles sur le portail DRIAS[Climat]). Or ces opérations améliorant la résolution spatiale n’améliorent pas la prise en compte de processus physiques d’échelle fine. Ainsi, la représentation de la dynamique atmosphérique demeure in fine celle de la grille native du modèle. Il ne faut donc pas considérer a priori qu’un modèle ayant une résolution de 8km forcément « meilleur » qu’un modèle ayant une résolution moins fine. De plus, affiner la résolution des simulations à 8 km pour attendre des résolutions de l'ordre de 1 km ou moins (par exemple par kriegeage ou interpolation) n'apporte aucune information supplémentaire sur les processus physiques d'échelle fine.

8. Les données de la période de référence ne sont pas des observations

Il est important de garder à l’esprit que les simulations de référence sont des simulations numériques et non des observations. Si ces simulations n’ont pas été débiaisées par une méthode de correction (comme la méthode de correction quantile-quantile), alors il subsiste un biais par rapport aux observations. Il ne faut donc pas utiliser ces simulations en les considérant comme une climatologie du passé proche.