La méthode ADAMONT (Verfaillie et al., 2017) représente la consolidation de la méthode d’ajustement statistique dite « quantile-quantile » développée par Michel Déqué depuis le début des années 2000, et utilisée en particulier pour les projets SCAMPEI et ADAMONT. Cette approche de descente d’échelle et d’ajustement de biais de scénarios climatiques régionaux, utilise une méthode de correction quantile-quantile par rapport à un jeu d’observations (réanalyse SAFRAN), et prend en compte les types de temps. À la correction quantile-quantile au pas de temps quotidien s’ajoute une désagrégation horaire des données par une technique de recherche de journée analogue. Elle permet d’obtenir des scénarios dé-biaisés continus au pas de temps horaire pour les variables : température, humidité, vitesse du vent, rayonnement solaire (direct et diffus) et infrarouge, pluie et neige. Elle est une des rares méthodes qui permettent de générer des séries chronologiques horaires, résolution temporelle indispensable pour les études d’impact comme dans le domaine de l’hydrologie ou de la nivologie.

Schéma général de la méthode ADAMONT extrait de la présentation de Verfaillie et al., 2016 : « Descente d’échelle et correction de projections climatiques – la méthode ADAMONT »

• Les grandes étapes de la méthode :

– étape 1 : Mise en correspondance des points de grille RCM (Modèle Régional de Climat) avec le point le plus proche SAFRAN pour la surface comme pour les différents niveaux d’altitude.

– étape 2 : 4 types de temps par saison sont déterminées à partir du géopotentiel à 500hPa des données ERA-Intérim et sont appliqués aux GCMs (Modèle Global de Climat) forceurs des RCMs.

– étape 3 : Agrégation des données horaires SAFRAN au pas de temps quotidien. La méthode d’agrégation dépend de la variable considérée.

– étape 4 : Les quantiles des distributions de référence SAFRAN et modélisées par le RCM sont calculés sur une période historique trentenaire pour chaque variable, chaque saison (DJF, MAM, JJA, SON) et pour chaque classe de type de temps.

– étape 5 : La méthode de correction quantile-quantile est appliquée aux données RCM au pas de temps quotidien en prenant en compte les saisons et les types de temps.

– étape 6 : Recherche d’une journée analogue SAFRAN. Pour chaque jour de la base de donnée du RCM une date analogue est choisie dans les données SAFRAN qui correspond aux critères suivants : le mois et le type de temps doivent être les mêmes que dans la base RCM ; la moyenne des précipitations doit être consistante avec SAFRAN (moyenne spatiale des précipitations supérieure ou inférieure à un seuil de 1 mm) ; lorsque c’est possible des journées consécutives sont choisies dans les données SAFRAN afin de préserver la meilleure cohérence temporelle possible (afin d’éviter les sauts artificiels dus au choix analogique).

– étape 7 : Les données quotidiennes RCM corrigées à l’étape 5 sont désagrégées au pas de temps horaire, en utilisant les journées analogues SAFRAN déterminées précédemment pour reproduire le cycle diurne des données. (La méthode de désagrégation dépend de la variable considérée)

– étape 8 : Un traitement particulier de la désagrégation horaire est fait sur les précipitations totales qui sont ensuite réparties entre la phase pluie et la phase neige en fonction de la température ajustée horaire. Un seuil de 1°C est utilisé pour la transition neige/pluie. Puis leurs cumuls journaliers sont calculés pour pouvoir leur ré-appliquer une dernière correction quantile-quantile afin de garder la cohérence entre la phase des précipitations et la température corrigées.

• Remarques :

– Il ne s’agit pas d’une descente d’échelle au sens où on cherche à résoudre un problème d’échelle spatiale puisque la résolution des RCMs Euro-CORDEX (0,11°) est comparable à celle de SAFRAN. Il s’agit d’un dé-biaisage au pas de temps quotidien par l’approche quantile-quantile et des analogues, et d’une descente d’échelle temporelle pour accéder au pas de temps horaire.

– La consistance entre les variables (qui existe au niveau du RCM) n’est plus assurée au terme de la chaîne de traitement (de par la méthodologie) mais est validée par le fait que le modèle Crocus (modèle de neige) donne des résultats cohérents. De même pour le modèle Surfex-Modcou (hydrologie).

– Il ne faut pas perdre de vue que les traitements sont faits point de grille par point de grille.

– Comme nous l’avons dit, la méthode quantile-quantile fait l’hypothèse d’une stationnarité de la relation entre la CDF du RCM et la CDF du climat de référence (ou de la donnée désagrégée) entre la période historique et le climat futur. Cette hypothèse a de meilleures chances d’être vérifiée si on reste dans le même type de temps de la même saison, ce qui est le choix de la méthode ADAMONT. On considère alors que le changement climatique se traduit par un changement de fréquence des types de temps.

• Références :

Verfaillie, D., Déqué, M., Morin, S., and Lafaysse, M. 2017 : The method ADAMONT v1.0 for statistical adjustment of climate projections applicable to energy balance land surface models, Geosci. Model Dev., 10, 4257-4283, [https://doi.org/10.5194/gmd-10-4257-2017].