L’expérience CORDEX: répondre aux besoins d’information climatologique à l’échelle régionale

par Filippo Giorgi1, Colin Jones2 et Ghassem R. Asrar3

Introduction

Les besoins d’information sur l’évolution du climat à l’échelle régionale et locale constituent un grand sujet de débat. Cette information est cruciale pour évaluer les répercussions des changements climatiques sur les systèmes humains et naturels et pour mettre au point de bonnes stratégies nationales d’adaptation et d’atténuation. Les utilisateurs finals et les décideurs demandent depuis longtemps qu’on leur fournisse des projections régionales et locales fiables sur lesquelles appuyer leurs choix.

À ce jour, la plupart des données régionales proviennent de modèles de la circulation générale couplés atmosphère-océan (MCGAO) exploités grâce au Programme mondial de recherche sur le climat (PMRC) depuis 30 ans (Busalacchi et Asrar, présent numéro du Bulletin de l’OMM). Ces modèles sont les outils les plus utiles pour comprendre les processus en jeu dans les réactions du système climatique aux forçages anthropiques, comme la hausse des concentrations de gaz à effet de serre, le changement d’affectation des terres et la modification de la charge en aérosols. Ils ont aussi fourni des renseignements de première importance sur l’évolution du climat à l’échelle mondiale à sous-continentale (GIEC, 2007). Une meilleure représentation des processus qui se déroulent dans l’atmosphère et à la surface de la Terre ainsi que l’élargissement des capacités de calcul ont permis des améliorations certaines, notamment au cours de la dernière décennie, mais la plupart des modèles actuels offrent encore une résolution horizontale de quelques centaines de kilomètres (Meehl et al., 2007). Ils ne peuvent donc rendre compte des effets des forçages locaux (par exemple topographie complexe et caractéristiques de la surface) qui modulent le signal climatique aux échelles plus réduites.

En raison de leur faible pouvoir de résolution, les modèles mondiaux ne peuvent pas non plus décrire avec précision les phénomènes extrêmes, lesquels revêtent une importance primordiale pour les utilisateurs de l’information climatologique qui souhaitent évaluer les répercussions régionales et locales de la variabilité et de l’évolution du climat. Autrement dit, il existe un écart d’échelle spatiale entre les données climatologiques fournies par les MCGAO et les renseignements nécessaires pour mesurer les impacts.

Diverses techniques de «régionalisation» ou de «réduction d’échelle» ont été mises au point afin d’affiner les informations fournies par les MCGAO et de combler cet écart sur le plan spatial (Giorgi et al., 2001). On a habituellement recours à deux grandes méthodes de réduction d’échelle, à savoir la méthode dynamique et la méthode statistique. La réduction d’échelle dynamique fait appel à des modèles à base physique, tels les modèles mondiaux de l’atmosphère à haute résolution ou à résolution variable – respectivement modèles de la circulation générale de l’atmosphère (MCGA) et modèles de la circulation générale à résolution variable (VARGCM) – exécutés en mode «tranche de temps» (voir notamment Cubasch et al., 1995; Deque et Piedelievre, 1995) et les modèles climatiques régionaux (MCR) à domaine limité (Giorgi et Mearns, 1999).

Dans le cas de la réduction d’échelle statistique, on établit d’abord des relations statistiques entre des prédicteurs à grande échelle et des prédictants à échelle régionale à locale, qui sont ensuite appliquées aux données de sortie de simulations climatiques (Hewitson et Crane, 1996). Il existe un grand nombre de modèles et de techniques statistiques de ce type (voir notamment Wilby et al., 2004; Giorgi et al., 2001; Wigley et Wilby, 2000; Hewitson et Crane, 1996), mais tous fonctionnent selon le même principe. Pour en savoir plus, on est prié de consulter les différents articles publiés qui traitent des travaux de réduction d’échelle ainsi que des avantages et inconvénients des diverses techniques employées (Laprise et al., 2008; Schmidli et al., 2007; Giorgi, 2006; Wang et al., 2004; Leung et al., 2003; Mearns et al., 2003; Murphy, 1999; Giorgi et Mearns, 1999, 1991; McGregor, 1997).

Que ces outils soient dynamiques et statistiques, la projection de l’information climatologique à l’échelle régionale (RCD) constitue aujourd’hui une méthode importante de recherche, de plus en plus utilisée pour étudier divers problèmes relatifs aux changements climatiques (Huntingford et Gash, 2005). La mise au point et l’utilisation des modèles RCD ont pris énormément d’ampleur au cours de la dernière décennie, comme l’atteste l’augmentation quasi exponentielle du nombre d’articles sur le sujet validés par les milieux scientifiques. (Ainsi, une recherche de l’expression «modèle climatique régional» avec des interfaces de système d’information donne moins de cinq résultats avant 1994, plus de 150 en 2008).

On peut toutefois se demander si ce formidable développement a stimulé l’utilisation des produits fondés sur la méthode RCD dans les études d’impacts. À quelques exceptions près, cela n’a pas été le cas. Par exemple, la plupart des documents sur les changements climatiques régionaux présentés dans le quatrième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC), qui sont encore employés dans les études d’impacts, se fondent sur des simulations MCGAO à résolution relativement faible (voir notamment Christensen et al., 2007).

Pourquoi les produits RCD sont-ils sous-utilisés? Selon nous, l’une des principales raisons est l’absence d’un cadre coordonné qui permette d’évaluer les techniques de projection à l’échelle régionale et d’obtenir des projections d’ensemble de qualité suffisante pour caractériser les incertitudes associées aux projections des changements climatiques régionaux. De tels cadres existent pour les modèles mondiaux, notamment le Projet de comparaison des modèles de l’atmosphère (AMIP) ou les projets de comparaison de modèles couplés 1-3 (CMIP1-3). Les spécialistes de la modélisation ont grandement profité de ces activités de coordination sur le plan de la compréhension des processus, de l’évaluation des modèles et de la production de projections sur les changements climatiques. En revanche, la plupart des études RCD sont réalisées de manière isolée et sont rattachées à des intérêts très ciblés, de sorte qu’il est actuellement impossible d’avoir une vue d’ensemble des projections régionales à partir d’expériences RCD.

Soucieux de combler cette lacune, le PMRC a récemment mis sur pied l’Équipe spéciale sur la réduction d’échelle des prévisions climatologiques au niveau régional, dont les attributions sont les suivantes:

• Établir un cadre pour l’évaluation et l’amélioration éventuelle des techniques RCD servant à réduire l’échelle des projections climatiques mondiales;
• Favoriser la concertation des efforts déployés dans le monde pour améliorer l’information sur les changements climatiques régionaux fondée sur les techniques RCD avec plusieurs modèles haute résolution, information destinée aux travaux sur les impacts et l’adaptation et au cinquième Rapport d’évaluation du GIEC;
• Promouvoir les interactions et la communication entre les spécialistes des modèles climatiques mondiaux, les experts de la réduction d’échelle et les utilisateurs finals afin de mieux soutenir les activités relatives aux impacts et à l’adaptation.

À la suite des premières activités de l’Équipe spéciale et en consultation avec la communauté scientifique dans son ensemble, on a mis sur pied un cadre d’action appelé Expérience régionale coordonnée de réduction d’échelle des prévisions climatologiques au niveau régional (CORDEX). Dans le présent article, nous traitons de l’état d’avancement de ces travaux et les plans s’y rapportant, évolution essentiellement issue de l’atelier qui s’est tenu du 11 au 13 février 2009 à Toulouse (France), (http://wcrp.ipsl.jussieu.fr/Workshops/Downscaling/DirectionVenue.html) et des discussions ultérieures.

Projections climatiques régionales et incertitudes

Nous utilisons ici le terme «régional» dans le sens large pour désigner la gamme complète d’échelles spatiales de moins de ±10 000 km2. Dans ces conditions, il est extrêmement difficile d’assurer la fiabilité des projections climatiques régionales, étant donné que le signal climatique régional est affecté par des processus qui sont observés à des échelles allant de l’échelle planétaire à l’échelle synoptique et à l’échelle moyenne. Par exemple, la hausse des concentrations de gaz à effet de serre aura des effets sur la circulation générale de l’atmosphère et la structure des systèmes dynamiques à l’échelle planétaire. Cette signature climatique à grande échelle est ensuite modulée au niveau régional à local par de multiples forçages, dont la topographie complexe, la forme de la côte et la distribution des aérosols.

Alors que les modèles MCGAO actuels permettent de reproduire assez fidèlement les grandes caractéristiques de la circulation générale (GIEC, 2007), cela n’est pas le cas pour les effets des forçages à l’échelle régionale à locale. Leur performance se dégrade aussi généralement lorsque l’on passe des statistiques climatiques d’ordre bas à élevé, comme la variabilité, les phénomènes extrêmes et les régimes météorologiques. Par ailleurs, la variabilité naturelle du climat tend à augmenter à mesure que nous évoluons vers des échelles plus réduites, ce qui complique la reconnaissance du signal climatique à l’intérieur du bruit ambiant.

Alors que les techniques RCD peuvent améliorer les informations MCGAO aux échelles réduites en rendant compte des effets des forçages régionaux, elles sont encore entachées par des erreurs systématiques aux échelles plus grandes. Par exemple, la localisation de la trajectoire d’une tempête dans un modèle MCGAO se propage dans le domaine intérieur d’un modèle climatique régional à grilles emboîtées. Les carences au niveau de la description des processus physiques et des connaissances s’y rapportant constituent une source fondamentale d’incertitude lorsque l’on réalise des projections climatiques, phénomène qui tend à s’intensifier plus l’échelle est réduite. En raison de cette incertitude, on obtient différentes réactions aux mêmes forçages climatiques selon le modèle utilisé (par exemple concentration des gaz à effet de serre). Cette incertitude, qui correspond à la «configuration des modèles», est l’une des grandes sources d’incertitude associées aux projections climatiques; elle se propage directement des simulations au moyen de modèles mondiaux à toutes les techniques RCD. Elle se mélange également à d’autres sources d’incertitude, notamment celles qui sont liées aux scénarios d’émission et de concentration de gaz à effet de serre, à la variabilité interne et aux non linéarités dans le système climatique et, dans le cas du problème de réduction d’échelle, au choix de la méthode RCD (Giorgi, 2005). Les études ont indiqué que les incertitudes provenant des scénarios et de la configuration des modèles de la circulation générale étaient celles qui touchaient le plus les projections des changements climatiques, en particulier aux échelles temporelles centennales. Le choix de la technique RCD peut également être important, alors que l’incertitude associée à la variabilité climatique interne compte surtout aux échelles temporelles plus courtes (par exemple pour simuler le climat au cours de la période 2020-2030) et pour les statistiques d’ordre élevé.

Afin d’alimenter les études d’impacts en informations utiles, les incertitudes relatives aux projections climatiques régionales doivent être entièrement caractérisées et, si possible, réduites. Cela nécessite la production d’ensembles de simulations qui explorent toutes les dimensions des incertitudes. Ce processus vise fondamentalement à obtenir des données probabilistes pour les variables climatiques d’intérêt sous la forme de fonctions de densité de probabilité. La grandeur de ces fonctions donne la mesure de l’incertitude. Plus l’ensemble est important, plus la zone d’incertitude peut être échantillonnée et étudiée. L’étude complète de la zone d’incertitude représente, toutefois, une tâche gigantesque, car il faut établir une matrice multidimensionnelle d’expériences, dont le nombre peut devenir rapidement très élevé (Giorgi et al., 2008). La figure 1 récapitule les domaines d’incertitude à couvrir lorsque l’on effectue des projections des changements climatiques régionaux fondées sur des produits RCD:

1. Scénarios d’émission de gaz à effet de serre
2. Configuration MCGAO
3. Variabilité interne MCGAO
4. Configuration RCD
5. Variabilité interne RCD
6. Méthode RCD
7. Région visée

		Figure 1 — Schéma des principales incertitudes entachant les projections des changements climatiques régionaux.

On peut explorer la source 1 en simulant différents scénarios d’émission de gaz à effet de serre; les sources 2 et 4 en ayant recours à divers modèles MCGAO et RCD ou, avec le même système de modélisation, à diverses configurations de modèles (par exemple paramètres physiques); les sources 3 et 5 en exécutant plusieurs fois le même scénario en faisant varier les conditions initiales (surtout pour les éléments lents du système climatique, comme les océans et les conditions de végétation); la source 6 en employant plusieurs méthodes RCD (par exemple modèles climatiques régionaux et modèles à réduction d’échelle statis-
tiques); et la source 7 en appliquant les modèles RCD à différentes régions.

Il convient par ailleurs d’évaluer la fiabilité des projections selon la crédibilité des modèles. Cela peut être à son tour mesuré par la capacité du modèle à reproduire des conditions climatiques observées ou différents états du climat passé. C’est pourquoi la réalisation de projections climatiques ne peut être détachée du processus d’évaluation de l’efficacité des modèles. Il est primordial de mettre en place un cadre global permettant d’une part à la fois d’évaluer et éventuellement d’améliorer les modèles et, d’autre part,  d’effectuer des expériences visant à étudier le plus précisément possible les apports des différentes sources d’incertitude. Voilà la raison d’être du programme CORDEX.

L’expérience CORDEX vise essentiellement deux objectifs: fournir un cadre d’évaluation et de vérification de l’efficacité des modèles et concevoir une série d’expériences destinées à obtenir des projections climatiques pouvant servir aux études d’impacts et d’adaptation. On peut en voir le schéma à la figure 2 et lire sa description dans les sections suivantes.

		Figure 2 — Schéma de la première phase de l’expérience CORDEX.

Domaines et résolution des modèles

Il est nécessaire de choisir des domaines RCD communs afin d’établir le cadre d’évaluation des modèles et le cadre de production de projections climatiques. Le but de l’expérience CORDEX est d’élaborer un système accessible à un grand nombre de scientifiques et d’optimiser l’utilisation des résultats. C’est pourquoi les domaines CORDEX comprennent la majorité des régions du monde. La figure 3 montre une première sélection de domaines communs (qui font encore l’objet de discussions) qui devraient être considérés comme des domaines d’analyse intérieurs, c’est-à-dire qui excluent la zone de relaxation latérale dans les modèles climatiques régionaux. Ce choix se fonde en partie sur les caractéristiques physiques (processus importants pour les différentes régions), sur l’examen des ressources nécessaires pour effectuer les simulations et sur la disponibilité des programmes.

On peut voir à la figure 3 les cinq domaines qui couvrent en totalité les continents africain, australien, sud-américain, nord-américain et européen. Les trois derniers correspondent essentiellement aux domaines utilisés dans les projets CLARIS (www.claris-eu.org), NARCCAP (www.narccap.ucar.edu) et ENSEMBLES (ensembles-eu.metoffice.com). L’un des domaines réunit l’Amérique centrale et les régions équatoriales de l’Atlantique ouest et du Pacifique est, où les projections actuelles indiquent de grands changements et des effets possibles sur les cyclones tropicaux. Le continent asiatique est divisé en trois domaines, le premier centré sur la mousson indienne, le deuxième sur l’Asie de l’Est et le troisième sur l’Asie centrale. Les domaines Arctique et Antarctique seront ajoutés, à partir de l’expérience dérivée des modélisations polaires (non illustrés sur la figure).

		Figure 3 — Domaines régionaux étudiés dans le cadre de l’expérience CORDEX (certains faisant encore l’objet de discussions), avec les différents projets qui les utilisent également.

Afin d’assurer une large participation, l’Équipe spéciale sur la réduction d’échelle des prévisions climatologiques au niveau régional, en consultation avec l’ensemble du secteur, a fixé à ±50 km (ou 0,5 degré) la résolution horizontale standard pour les simulations CORDEX de la première phase. De nos jours, de nombreux groupes se servent de modèles climatiques régionaux à maille de grille beaucoup plus réduite (jusqu’à ±10 km), et ils sont encouragés à profiter de la résolution accrue offerte par l’expérience CORDEX. Il a malgré tout été décidé de proposer une résolution standard, afin de stimuler l’engagement des scientifiques, tout en augmentant la portée du scénario RCM destiné à être analysé et comparé.

Cadre d’évaluation des modèles

 Afin d’évaluer l’efficacité des modèles dynamiques et statistiques, on procèdera à une série d’expériences à «conditions aux limites parfaites» avec les domaines choisis. Ces expériences font appel à des analyses d’observations pour produire des champs permettant d’exécuter les modèles RCD, par exemple en tant que conditions aux limites latérales et en surface. Mais même si elles se fondent encore sur des modèles (imparfaits), les analyses d’observations renferment des informations provenant d’un ensemble varié de systèmes d’observation (surface, atmosphère et télédétection) qui offrent les meilleures conditions disponibles actuellement pour l’exécution des modèles RCD.

L’expérience CORDEX se servira au départ de la réanalyse ERA-interim du Centre européen pour les prévisions météorologiques à moyen terme (CEPMMT) (Uppala et al., 2008), qui couvre la période 1989-2007 et améliore certains éléments problématiques décelés dans les précédents produits de réanalyse, notamment en ce qui a trait au cycle hydrologique dans les régions tropicales. Plusieurs projets sont actuellement en cours en vue d’actualiser les produits de réanalyse dans différents centres, les nouvelles versions devant être utilisées dès que possible.

Pour ce qui est de l’évaluation des modèles, des équipes de diagnostic seront constituées pour chacune des régions simulées, dont la tâche principale sera d’établir des paramètres de référence régionaux. Il faudra obtenir et assembler des jeux de données d’observation pour chaque région. Il s’agit d’une tâche particulièrement délicate car l’évaluation doit être effectuée à des échelles spatiales réduites, pour lesquelles nous ne disposons pas nécessairement de bons jeux de données. Il sera donc important de faire appel aux compétences et aux ressources locales en vue d’améliorer le plus possible ces jeux.

Cadre de production de projections climatiques

Ce cadre CORDEX est fondé sur une série de nouvelles simulations effectuées à partir de modèles mondiaux à l’appui du cinquième Rapport d’évaluation du GIEC (appelées CMIP5). Ces simulations comportent un grand nombre d’expériences: nouvelles simulations de scénarios de gaz à effet de serre pour le XXIe siècle, expériences concernant les prévisions décennales et le cycle du carbone, expériences visant à étudier les mécanismes de rétroaction (Taylor et al., 2009).

Pour commencer, CORDEX se concentrera sur les simulations de scénario. Différente des simulations effectuées lors du quatrième cycle d’évaluation du GIEC, qui étaient fondées sur des scénarios d’émission de gaz à effet de serre RSSE (GIEC, 2000), cette nouvelle génération de simulations de scénario fait appel à des concentrations de référence (RCP), c’est-à-dire un ensemble de concentrations de gaz à effet de serre prescrites pour le XXIe siècle correspondant à différents niveaux de stabilisation du forçage radiatif d’ici l’année 2100. Quatre niveaux RCP ont été fixés: 2,9, 4,5, 8,5 et 11,2 W/m2 (RCP2,9, RCP4,5, RCP8,5 et RCP11,2). Avec les simulations CMIP5, la priorité a été accordée à RCP4,5 et RCP8,5 pour les modèles mondiaux, concentrations qui peuvent se rapprocher en gros aux scénarios d’émission B1 et A1B de la série RSSE. L’expérience CORDEX privilégiera aussi ces simulations (figure 3).

Idéalement, toutes les simulations de modèles régionaux devraient couvrir la période 1951-2100 afin d’inclure une période historique récente, ainsi que la totalité du XXIe siècle. Pour de nombreux groupes toutefois, il peut s’avérer trop exigeant sur le plan informatique d’exécuter les simulations CORDEX sur l’ensemble de cette période. La période 1951-2100 a donc été divisée en cinq tranches de temps de 30 ans et les groupes participants sont priés de simuler les tranches dans l’ordre suivant 1981-2010, 2041-2070, 2011-2040, 2071-2100, 1951-1980. La première tranche (1981-2010) représente la période de référence pour l’évaluation des modèles et pour le calcul des changements climatiques. La deuxième tranche en ordre de priorité, qui porte sur une période future, constitue un compromis entre les besoins des spécialistes des impacts en terme d’horizon temporel futur et la nécessité d’obtenir un signal de changement marqué. Tous les groupes doivent couvrir au moins ces deux tranches afin de disposer d’un ensemble satisfaisant de simulations pour l’analyse et les comparaisons.

Lors de la phase initiale de l’expérience CORDEX, il est prévu de simuler une exécution de chaque scénario RCP choisi, en utilisant les données de départ provenant de plusieurs modèles mondiaux. On étudiera ainsi l’incertitude inhérente à la configuration des modèles, mais non celle liée à la variabilité interne. Cela ne devrait pas, comme nous l’avons mentionné auparavant, constituer un problème majeur, étant donné que l’expérience précédente a montré que cette incertitude était beaucoup plus importante dans les échelles temporelles longues. L’échantillonnage de la variabilité interne au moyen d’exécutions multiples sera effectué lors des phases suivantes.

Première région: l’Afrique

L’expérience CORDEX vise à produire un cadre valide pour plusieurs domaines à la grandeur de la planète. Réaliser un ensemble de simulations multidécennales pour la totalité des régions qui apparaissent à la figure 3 représente toutefois une tâche gigantesque qui nécessitera énormément de temps et de ressources. Il serait utile de tester d’abord le système dans une région afin d’évaluer ses forces et ses faiblesses avant de l’appliquer aux autres régions. Il a par conséquent été décidé de commencer par une région préétablie, qui, nous l’espérons, fournira une bonne matrice de scénarios RCD à l’intérieur de l’échéance du cinquième Rapport d’évaluation du GIEC.

L’Afrique a été retenue pour plusieurs raisons. Premièrement, ce continent est particulièrement vulnérable aux changements climatiques, à la fois en raison de la dépendance de nombreux secteurs vitaux vis-à-vis de la variabilité du climat (l’agriculture, la gestion de l’eau, la santé par exemple) et de la capacité d’adaptation relativement faible de ses économies. Deuxièmement, les changements climatiques pourraient avoir une incidence notable sur les régimes de températures et de précipitations, qui à leur tour sont susceptibles d’inter-
agir avec d’autres facteurs de stress environnemental, dont la modification de l’affectation des terres, la désertification et les émissions d’aérosols. Enfin, jusqu’à présent, très peu de simulations concernant l’Afrique ont été exécutées à partir d’outils RCD, de sorte que cette région pourra profiter des résultats obtenus par le biais de l’expérience CORDEX, tant du point de vue de la recherche que des applications. Le domaine délimité par le cadre rouge à la figure 3 constituera donc le premier centre d’intérêt des activités CORDEX.

On sait bien que de nombreux groupes privilégieront d’abord leur «propre domaine» et ces projections régionales seront bien accueillies dans le cadre du projet. Le choix de l’Afrique vise surtout à encourager les groupes pouvant effectuer des projections régionales multiples à donner la priorité à l’Afrique, en vue d’obtenir un ensemble de données relativement important pour cette région et de renforcer l’analyse et la comparaison des résultats des modèles.

Gestion des données

Un aspect clef du programme CORDEX sera la gestion du grand volume de données nécessaires pour alimenter les modèles ainsi que de la quantité élevée de résultats obtenus et de comparaisons à effectuer; celle-ci comprendra deux étapes. Il faut d’abord établir des champs météorologiques MCGAO à haute résolution temporelle (toutes les six heures) comme conditions aux limites pour les modèles climatiques régionaux. On doit assurer leur stockage dans une banque de données centrale à laquelle peuvent facilement accéder les spécialistes de la modélisation CORDEX, sous une forme normalisée dans les MCGAO (sans doute conforme aux lignes directrices officielles CIMP5). Il est ensuite nécessaire d’adopter une procédure de suivi rapide afin de transférer les données des groupes MCGAO aux groupes RCD.

Au cours de la deuxième étape, les résultats des simulations RCD devront être conservés de manière à ce que les utilisateurs finals puissent y avoir directement accès, vraisemblablement aussi sous une forme normalisée (lignes directrices CMIP5). Cela pourrait constituer une tâche gigantesque étant donné le grand volume de données produit par les modèles climatiques à échelle réduite. On est en train d’évaluer une proposition visant à créer un réseau distribué de banques de données régionales qui respecteraient les mêmes directives relatives au format et les mêmes normes d’archivage et de distribution des résultats RCD, lesquelles pourraient être localisées dans divers continents/régions. Les discussions se poursuivent à ce sujet.

L’enjeu

Vu la complexité et les multiples facettes de l’initiative CORDEX, il semble raisonnable de se demander si celle-ci parviendra à fournir de façon adéquate les analyses et informations nécessaires pour les évaluations en matière d’adaptation, d’atténuation et de vulnérabilité. L’expérience passée en rapport avec des projets semblables (de portée toutefois plus limitée) peut nous donner des indications à ce sujet.

Un bon exemple est le projet européen PRUDENCE (établissement de scénarios et définition des incertitudes en vue de déterminer les effets des changements climatiques et les risques associés à l’échelle européenne (http://prudence.dmi.dk/)). Il s’agissait d’un projet de bout en bout qui a permis de se servir de plusieurs modèles mondiaux pour exécuter des modèles climatiques régionaux dans un domaine européen à partir de données de forçage provenant de deux scénarios d’émission de gaz à effet de serre. Les résultats des simulations RCM ont été ensuite employés dans une série d’études d’impacts visant différents secteurs, allant de l’hydrologie et l’agriculture à la santé et à l’économie. Lors de l’élaboration du projet, il était essentiel d’établir une bonne communication entre les spécialistes de la modélisation du climat et les groupes chargés de l’évaluation des impacts. En outre, le projet complémentaire STARDEX (réduction d’échelle statistique et dynamique pour l’étude des phénomènes extrêmes dans des régions européennes (http://www.cru.uea.ac.uk/projects/stardex/)) a permis de mener des expériences semblables avec différents outils statistiques de manière à comparer les résultats RCM obtenus avec le projet PRUDENCE.

Les principaux résultats du projet PRUDENCE ont été présentés dans un numéro spécial de Climatic Change en mai 2007. La figure 4 (adaptée de Hagemann et Jacob, 2007) montre l’exemple de données de sortie d’un ensemble de simulations MCR ayant été utilisées dans des études d’impacts hydrologiques. L’écoulement de surface, un indicateur de l’excédent d’eau, a été mesuré pour quatre bassins hydrologiques européens (mer Baltique, Danube, Elbe et Rhin) à l’aide d’une série de simulations de référence (1961-1990) et du climat futur (2070-2100, scénario A2) exécutées avec 10 modèles climatiques régionaux à partir d’un seul modèle mondial (HadAM3H).

		Figure 4 — Évolution de l’écoulement (%, 2071-2100 moins 1961-2990, scénario A2) calculée pour quatre bassins hydrologiques européens par l’ensemble MCR multimodèles PRUDENCE (extrait de Hagemann et Jacob, 2007).

Les 10 modèles climatiques régionaux présentent un signal cohérent de réduction de l’abondance en eau dans les bassins du Danube, de l’Elbe et du Rhin, mais un signal mixte pour le bassin de la mer Baltique. Ces résultats sont attribués au réchauffement prévu à la grandeur de l’Europe et à la baisse (hausse) correspondante des précipitations en Europe centrale méridionale (septentrionale). Ce type de signal demeure assez cohérent lorsque l’on se sert de différents modèles de la circulation générale pour exécuter la même série de modèles régionaux. Le type d’information qui apparaît à la figure 4 aidera beaucoup à orienter la gestion et la planification des ressources en eau à l’échelle européenne et nationale, et même à l’échelle régionale.

La stratégie PRUDENCE peut être élargie à l’expérience CORDEX et les premières activités centrées sur l’Afrique constitueront un important banc d’essai. Certains groupes ont déjà commencé à travailler avec le domaine africain dans le cadre de l’évaluation des modèles exécutés à partir de la réanalyse ERA intérim. La figure 5 présente des exemples de telles expériences. Les précipitations de juin-juillet-août obtenues à partir de deux modèles, RegCM3 du Centre international de physique théorique (Pal et al., 2007) et RCA du Centre Rossby (Jones et al., 2004), sont comparées aux observations du Projet mondial de climatologie des précipitations (GPCP) (Gruber et Levizzani, 2008). De plus, les affichages supérieurs comparent les vents basse altitude simulés et observés (ERA- intérim) à partir du modèle RegCM3. Les deux modèles donnent des résultats qui concordent généralement avec les observations effectuées dans le grand domaine choisi.

		Figure 5 — Précipitations moyennes (mm/jour) en Afrique pour la période 1989-2005 simulées à l’aide du modèle RegCM3 (Pal et al., 2007, affichage supérieur droit) et du modèle RCA (Jones et al., 2004, affichage inférieur droit) exécutés à partir des conditions aux limites latérales de la réanalyse ERA-intérim; les précipitations simulées sont comparées à la climatologie des précipitations observées GPCP (affichages gauches). Les affichages supérieurs comparent également les vents moyens basse altitude RegCM3 (850 hPa) (affichage droit) aux vents ERA-intérim (affichage gauche).

Certains résultats fondés sur des études de réduction d’échelle statistique concernant l’Afrique peuvent être consultés dans des publications comme Hewitson et Crane (2006), qui se servent de modèles statistiques pour réduire l’échelle des données de sortie de modèles MCGAO multiples, montrant ainsi comment cette approche peut en fait restreindre l’incertitude associée aux simulations de modèles mondiaux. Ces exemples indiquent qu’un cadre de travail RCD peut fournir des informations sur les changements climatiques utiles pour orienter les futures évaluations en matière d’impact, d’adaptation et de vulnérabilité en ce qui a trait à la définition des choix dans le domaine de la gestion de la variabilité et de l’évolution du climat en Afrique.

Dans cet article, nous avons présenté un nouveau projet de modélisation du climat régional et de réduction d’échelle des informations obtenues, l’expérience CORDEX, qui vise à établir un système coordonné d’évaluation et d’amélioration des techniques RCD et à produire une nouvelle génération de projections climatiques à échelle réduite pour certaines régions. Cette expérience devrait fournir un cadre permettant de mieux concerter les efforts sur le plan de la recherche et de la modélisation RCD dans les domaines de la réduction d’échelle et de la modélisation du climat régional. Il a été démontré dans le passé que des projets comme AMIP et CMIP pouvaient apporter une aide inestimable aux spécialistes de la modélisation à l’échelle mondiale; l’expérience CORDEX a été essentiellement conçue pour jouer un rôle semblable auprès du secteur de la réduction d’échelle.

Une fonction complémentaire du projet consiste à combler le fossé qui existe entre les spécialistes de la modélisation du climat et les utilisateurs finals de l’information climatologique. On peut y parvenir en renforçant la communication entre ces deux groupes et en orientant les activités expérimentales et de gestion des données de manière à faciliter le recours à des normes et des formats communs pour que cette information puisse être employée plus efficacement et plus abondamment par les utilisateurs.

Nous avons décrit ici la première phase de conception et de mise en œuvre de l’expérience CORDEX, en mettant l’accent sur les deux à quatre prochaines années (c’est-à-dire en fonction de l’échéance du cinquième Rapport d’évaluation du GIEC). Celle-ci devrait toutefois fournir un cadre de travail à plus long terme au secteur de la réduction d’échelle. Même si l’Afrique a été choisie comme premier domaine d’étude, les simulations visant d’autres domaines seront également bien accueillies. De la même manière, le fait que la maille de grille ait été fixée initialement à 50 km, en vue d’élargir la participation, n’interdit pas, bien au contraire, aux différents groupes concernés de tirer parti de la haute résolution des modèles, selon les ressources dont ils disposent et aussi en collaboration avec d’autres participants. L’expérience se concentrera d’abord sur les simulations de scénarios du XXIe siècle, mais nous prévoyons aussi de l’utiliser pour résoudre les problèmes de prévision décennale, à mesure que la recherche dans ce domaine aura suffisamment évolué, notamment en ce qui a trait à la modélisation du climat mondial.

Nous soulignons enfin combien il est important que les groupes participants adoptent le plus possible des plans expérimentaux et des domaines intérieurs communs de manière à faciliter la comparaison et l’analyse des modèles et des techniques employés et l’évaluation des incertitudes qui entachent les projections des changements climatiques régionaux. Il est essentiel de coordonner les activités de réduction d’échelle afin de mieux comprendre les techniques s’y rapportant et de mieux utiliser les produits obtenus au bénéfice des sociétés.

Références

Christensen, J.H., T.R. Carter, M. Rummukainen et G. Amanatidis, 2007: Evaluating the performance and utility of regional climate models: the PRUDENCE project. Climatic Change, 81, 1-6.

Cubasch, U. et al., 1995: regional climate changes as simulated by time-slice experiments. Climatic Change, 31, 273-304.

Deque, M. et J.P. Piedelievre, 1995: High resolution climate simulation over Europe. Climate Dynamics, 11, 321-339.

Giorgi, F., 2006: Regional climate modeling: status and perspectives. Journal de Physique, IV, 139, 101-118.

Giorgi, F. et L.O. Mearns, 1991: Approaches to the simulation of regional climate change: a review. Reviews of Geophysics, 29, 191-216.

Giorgi, F. et L.O. Mearns, 1999: Intro-duction to special section: regional climate modeling revisited. Journal of Geophysical Research, 104, 6335-6352.

Giorgi, F. et al., 2001: Regional climate information—evaluation and pro-jec-tions. Dans: Climate Change 2001: The Scientific Basis. Contribution du Groupe de travail I au troisième Rapport d’évaluation du Groupe d’experts inter-
gouvernemental sur l’évolution du climat (sous la direction de J.T. Houghton et al.), Cambridge University Press, Cambridge (Royaume-Uni) et New York, N.Y. (états-Unis d’Amérique),  583-638.

Giorgi, F. et al., 2008: Exploring uncer-tainties in regional climate change: The regional climate change hyper-matrix framework. EOS, 89, 445-446.

Groupe d’experts intergouvernemental sur l’évolution du climat, 2000: Rapport spécial sur les scénarios d’émissions (sous la direction de N. Nakicenovic et al.), Cambridge University Pres, New York, 599 p.

Groupe d’experts intergouvernemental sur l’évolution du climat, 2007: Climate Change 2007: The Physical Science Basis. Contribution du Groupe de travail I au quatrième Rapport d’évaluation, publié sous la direction de
S. Solomon et al., Cambridge University Press, Cambridge (Royaume-Uni) et New York, N.Y. (états-Unis d’Amérique), 940 p.

Gruber, A. et V. Levizzani, 2008: Assess--ment of Global Precipitation Products. A project of the World Climate Research Programme Global Energy and Water Cycle Experiment (GEWEX) radiation panel. WCRP Report No. 128, WMO/TD No. 1430, 50 p.

Hagemann, S. et D. Jacob, 2007: Gradient in climate change signal of European discharge predicted by a multi-model ensemble. Climatic Change, 81, 309-327.

Hewitson, B.C. et R.G. Crane, 1996: Climate downscaling: techniques and application. Climate Research, 7, 85-95.

Hewitson, B.C. et R.G. Crane, 2006: Consensus between GCM climate change projections with empirical downscaling: precipitation down-scaling over South Africa. Inter-national Journal of Climatology, 26, 1315-1337.

Huntingford, C. et J. Gash, 2005: Climate equity for all. Science, 309, 1789.

Jones, C.G., U. Willén, A. Ullerstig et U. Hansson, 2004. The Rossby Centre regional atmospheric climate model Part I: Model climatology and performance for the present climate over Europe. Ambio 33:4-5, 199-210.

Laprise, R. et al., 2008: Challenging some tenets of regional climate modelling. Meteorology and Atmospheric Physics, 100, 3-22.

Leung, L.R., L.O. Mearns, F. Giorgi et R.L. Wilby, 2003: Regional climate research: needs and opportunities. Bulletin of the American Meteo-ro-logical Society, 82, 89-95.

McGregor, J.L., 1997: Regional climate modeling. Meteorology and Atmospheric Physics, 63, 105-117.

Mearns, L.O. et al., 2003: Guidelines for use of climate scenarios developed from regional climate model experiments. TGCIA-IPCC report. http://ipcc-ddc.cru.uea.ac. uk/guidelines/RCM6.Guidelines.October03.pdf, 38 pp.

Meehl, G.A. et al., 2007: The WCRP CMIP3 multimodel ensemble—a new era in climate change research. Bulletin of the American Meteorological Society, 88, 1383-1394.

Murphy, J., 1999: An evaluation of statistical and dynamical techniques for downscaling local climate. Journal of Climate, 12, 2256–2284.

Pal, J.S. et al., 2007: Regional climate model-ing for the developing  world: the ICTP RegCM3 and RegCNET. Bulletin of the American Meteorological Society, 88, 1395-1409.

Schmidli, J. et al., 2007: Statistical and dynamical downscaling of precipitation: an evaluation and comparison of scenarios for the European Alps. Journal of Geophysical Research, 112, D04105.

Taylor, K.E., R.J. Stouffer et G.E. Meehl, 2009: A summary of the CMIP5 experiment design. https://cmip.llnl.gov/cmip5/docs/Taylor_CMIP5_design.pdf.

Uppala S., D. Dee, S. Kobayashi, P. Berrisford et A. Simmons, 2008: Towards a climate adapt assimilation system: status update of ERA-Interim, ECMWF Newsletter, 115, 12-18.

Wang, Y. et al., 2004: Regional climate modeling: progress challenges and prospects. Journal of the Meteorological Society of Japan, 82, 1599-1628.

Wilby, R.L. et T.M.L. Wigley, 2000: Precipitation predictors for downscaling: observed and general circulation model relationships. International Journal of Climatol., 20, 641–661,

Wilby, R.L. et al., 2004: Guidelines for Use of Climate Scenarios Developed from Statistical Downscaling Methods. IPCC Task Group on Data and Scenario Support for Impact and Climate Analysis (TGICA), http://ipcc-ddc.cru.uea.ac.uk/guidelines/StatDown_Guide.pdf.

Remerciements

Les auteurs souhaitent remercier Stefan Hagemann d’avoir fourni les éléments nécessaires à la présentation de la figure 4.

__________________

1   Centre international Abdus Salam de physique théorique, Trieste (Italie).

2   Centre Rossby, Institut météorologique et hydrologique suédois, Norrköping (Suède).

3   Directeur, Programme mondial de recherche sur le climat, OMM.