Le bassin sud-ouest de l'océan Indien est régulièrement impacté par des cyclones. Cette région est caractérisée par de nombreuses îles de petite taille au relief très escarpé et qui sont très peuplées. Elle se situe au 3e rang mondial des régions les plus affectées par les évènements climatiques extrêmes. Le besoin en services climatiques apparaît de fait crucial.

Quels seront l’ampleur et la fréquence des aléas climatiques dans le cadre du changement climatique au cours du XXIe siècle ? Comment les petits (Maurice, Agalega, St Brandon, Rodrigues, Seychelles, Comores, Mayotte, La Réunion) et grands (Madagascar) territoires insulaires de la zone peuvent-ils s’y préparer ? Les États mais aussi les secteurs d’activité climato-sensibles attendent des données climatiques régionalisées et avec une résolution suffisamment fine pour leur permettre d’appréhender les implications du changement climatique sur la santé humaine et animale, la sécurité alimentaire, les réserves en eau, l’érosion des sols, les risques naturels, et la biodiversité.

Le projet BRIO pour ''Building Resilience in the Indian Ocean'' vise ainsi à développer des projections climatiques haute résolution qui décriront le climat de la région jusqu’à l’horizon 2100. Les modèles climatiques utilisés permettent de dégager des tendances à long terme sur la température, la pluviométrie et l’activité cyclonique dans la région. Le deuxième objectif du projet est une montée en compétence de la région sur le changement climatique via la formation sur 2019-2020 d'experts nationaux dans les différents pays partenaires (Madagascar, Comores, Maurice et Seychelles) pour l’exploitation des jeux de données climatiques et la production de services climatiques dédiés aux divers usagers.

• Ensemble de simulations du jeu BRIO-2024 disponibles sur le portail DRIAS[CLIMAT]

Ce nouvel ensemble comprend 19 modèles de nouvelle génération – CMIP6. Il comprend la simulation régionale issue d'une descente d'échelle dynamique du couple de modèles GCM/RCM : CNRM-ESM2.1 / ALADIN63 (qui avait déjà été mise en ligne sous le nom de BRIO-2021 – issue du projet BRIO) et 18 simulations issues d'une descente d'échelle statistiques depuis des GCM.

Le tableau ci-dessous synthétise les producteurs, les modèles ainsi que les paramètres mis à disposition sur le portail Drias[CLIMAT] :

Table 1 : Liste des projections climatiques composant l’ensemble BRIO accompagnées de leurs couvertures temporelle respectives.

Fiche technique : prochainement

• Description des simulations climatiques régionales corrigées

Le projet BRIO (2018-2020) s’est basé sur des simulations climatiques régionales haute résolution couvrant le bassin sud-ouest de l’océan Indien et l’ensemble des territoires suivants : Mascareignes, Madagascar, Seychelles, Comores, Mozambique, Tanzanie. Elles portent sur la période historique 1981-2014 ainsi que la période future 2015-2100 pour trois scénarios d’émission de gaz à effet de serre. Le modèle climatique régional utilisé est ALADIN-v6 à 12 km de résolution couplé à un modèle global de CMIP6, nommé CNRM-ESM2-1, d’environ 150 km de résolution.

Les données de la simulation CNRM-ESM2-1 _ CNRM-ALADIN63 mises à disposition sur le portail sont des séries chronologiques quotidiennes en point de grille corrigées par la méthode CDF-t, qui est une version améliorée de la méthode quantile – quantile puisqu’elle tient compte des évolutions dans le temps de la fonction de distribution simulée de la variable à corriger, ce qui est indispensable pour une variable comme la température dans le cadre du réchauffement climatique. Les données de référence utilisées pour la correction de biais proviennent des données d’observation du réseau de stations météorologiques insulaires de Météo-France kriggées sur une grille de 0.03 degrés (environ 3 km) de résolution en latitude et longitude. La correction de biais s’effectue en utilisant des fenêtres glissantes de 3 mois et de 30 ans centrées sur le mois à corriger (ex : pour corriger les données de précipitations de mars 2050 on utilise la fonction de distribution des précipitations calculée sur les 30 trimestres février-mars-avril de la période 2036-2065). (Autrement dit la méthode est appliquée sur des périodes glissantes de 30 ans et sur ces périodes les données sont désaisonnalisées et la tendance retirée.) Une période de 30 ans fixe (2071-2100) est utilisée pour corriger les données des années postérieures à 2085. Cette méthode permet de prendre en compte l’évolution temporelle des fonctions de distribution simulées par le modèle entre période future et historique et ainsi de mieux corriger les queues de distribution.

Pour quantifier l’incertitude climatique sur les îles, comme La Réunion dans un premier temps, les informations issues de ces simulations régionales à très haute résolution sont croisées avec un ensemble de simulations globales CMIP6 (de résolutions de l'ordre de la centaine de kilomètres) ayant subi une descente d’échelle statistique. Cela permet de disposer de projections climatiques plus robustes (approche multi-scénarios et multi-modèle) à l’échelle des territoires insulaires avec des applications directes pour les décideurs et les secteurs d’activités impactés par les changements climatiques. Cet ensemble de jeux de données du climat futur permet une meilleure estimation des impacts attendus sur les secteurs climato-sensibles du sud-ouest de l’Océan Indien. Ces jeux de données incluent les tendances attendues pour chaque scénario en termes de précipitations, température, sécheresses, inondations, vagues de chaleur et autres indicateurs climatiques sur chaque territoire, mais aussi les futures tendances de fréquence et d’intensité cyclonique sur l’ensemble du bassin. Ils pourront être utilisés dans des modèles d’impact comme cela a été fait en 2021 pour la culture de la canne à sucre (CIRAD, Tereos) et pour l’évolution de la dengue (Université de La Réunion, CIRAD).

Figure 1 : Les étapes de descente d'échelle pour les simulations CNRM-ESM2-1_CNRM-ALADIN63 depuis la modélisation climatique globale à régionale sur le SWIO (South-West Indian Ocean) jusqu'à la désagrégation spatiale et correction de biais sur La Réunion.

• Description des simulations climatiques globales corrigées

Dans le cadre du projet BRIO, une nouvelle méthode de descente d’échelle statistique par correction de biais a été mise en œuvre pour corriger les données issues des simulations GCM (programme CMIP6). Cette méthode consiste à corriger les biais de précipitations des GCMS (de résolutions de l'ordre de la centaine de kilomètres) avec CDF-t mais selon 5 régimes de temps. Ces régimes de temps sont définis par le flux de vent à 850hPa pour 4 quadrants (Nord, Est, Sud, Ouest) avec un 5e régime de temps tout quadrant confondu correspondant à un vent faible inférieur à 10km/h. Cette méthode permet de reproduire les principales caractéristiques des précipitations sur l’île en réponse à l’influence des régimes de vent en présence de l’orographie (micro-climats). Pour les températures, une simple correction de biais (sans régime de temps) avec CDF-t a été appliquée car les régimes de vents ont une influence moindre sur la distribution des températures à la Réunion (l’influence vient majoritairement des masses d’air d’échelle synoptique).

Figure 2 : Les étapes de descente d'échelle pour les simulations GCM de l’ensemble BRIO-2024 depuis la modélisation climatique globale à la désagrégation spatiale et correction de biais sur La Réunion..

Ces fichiers sont disponibles en format NetCDF, au pas de temps journalier pour 4 variables (précipitations et températures) pour les simulations GCM corrigées et 8 variables pour les simulations GCM/RCM corrigées, voir le tableau 2 :

Table 2 : Liste des variables corrigées et disponibles sur le portail DRIAS.

Chaque fichier contient une seule variable et une seule période (partie historique ou scénario futur SSPxxx).

• Liens et références

Rapport BRIO (en français) 

Leroux, M.-D., Bonnardot, F., Kotomangazafy, S., Rhidoine, A-O.S., Veerabadren, P. et al. 2023 : Régionalisation du changement climatique et développement de services climatiques dans le sud-ouest de l'océan Indien et ses territoires insulaires. METEO FRANCE. 2023. ⟨hal-03966983⟩  https://hal.science/hal-03966983

Rubrique changement climatique du site meteofrance.re : https://doi.org/10.26171/brio-0974

Projet

https://www.commissionoceanindien.org/brio-conference-presse/

https://www.commissionoceanindien.org/portfolio-items/brio/?portfolioCats=27

https://ideas4development.org/ideas4development-org-modeles-climatiques-ocean-indien/

Conférences en ligne 

https://youtu.be/KP4zjS0qPmw : formation des cadres de l’état à la Transition écologique (3 avril 2024)

https://www.youtube.com/watch?v=nPdVQDeE-vk : séminaire de 24 min du 03 mars 2023

https://www.youtube.com/watch?v=GQlxB4Nxgx0 : format court 5min30 (média KULT)

Articles scientifiques

Leroux, M. D., et al., 2024 : Developing Climate Services for Vulnerable Islands in the Southwest Indian Ocean: A Combined Statistical and Dynamical CMIP6 Downscaling Approach for Climate Change Assessment. Climate Services, Volume 34, 2024, 100491, ISSN 2405-8807, https://doi.org/10.1016/j.cliser.2024.100491.

Lamy, K., et al., 2023 : Impact of regional climate change on the mosquito vector Aedes albopictus in a tropical island environment: La Réunion. Science of the Total Environment, 2023, 875, pp.162484. ⟨10.1016/j.scitotenv.2023.162484⟩. ⟨hal-04017185⟩

CNRM-ESM2-1_CNRM-ALADIN63 :

Séférian, R., et al., 2019 : Evaluation of CNRM Earth System model, CNRM-ESM2-1: role of Earth system processes in present-day and future climate. Journal of Advances in Modeling Earth Systems, 11, 4182–4227, doi:10.1029/2019MS001791.

Nabat, P., et al., 2020 : Modulation of radiative aerosols effects by atmospheric circulation over the Euro-Mediterranean region. Atmos. Chem. Phys., 20, 8315–8349, doi:10.5194/acp-20-8315-2020, https://acp.copernicus.org/articles/20/8315/2020/

Daniel M., et al., 2019. Benefits of explicit urban parametrization in regional climate modelling to study climate and city interactions. Climate Dynamics, 52(50),2745-2764, doi:10.1007/s00382-018-4289-x, http://link.springer.com/article/10.1007/s00382-018-4289-x

Méthode(s) de correction de biais :

Lavaysse, C., et al., 2012 : Statistical downscaling of the French Mediterranean climate: assessment for present and projection in an anthropogenic scenario. Nat. Hazards Earth Syst. Sci. 12, 651–670. https://doi.org/10.5194/nhess-12-651-2012.

Vaittinada Ayar, et al., 2012 : A. Ensemble bias correction of climate simulations: preserving internal variability. Sci Rep 11, 3098 (2021). https://doi.org/10.1038/s41598-021-82715-1

Michelangeli P.-A. et al., 2009 : 'Probabilistic downscaling approaches: 'Application to wind cumulative distribution functions'. Geophysical Research Letters, 36, L11708, doi:10.1029/2009GL038401

Vrac M. et al., 2012 : ‘Dynamical and statistical downscaling of the French Mediterranean climate: uncertainty assessment’. Nat. Hazards Earth Syst. Sci., 12, 2769–2784.