Actes - Climato.be

Les risques liés au temps et au climat
42
a) Approche Statistique (Control Run - OBS)
b) Approche Dynamique (Control Run - OBS)
41
40
39
38
37
36
35
-39.5
-18.4
-19.6
-84.2 -74.2 -18.8
-52.5
-59.3
-63.8
-88.9
-22.7 -22.1
-89.3
-77.2
-26.2
-28.9
-3.0
-22.0
-27.5
-7.4
-56.8
-62.2
42
41
40
39
38
37
36
35
-241.0 -1.0
78.2
-163.0
-201.7
96.3
-60.4
-215.7
-23.5
-103.8
21.1 21.0
-27.6
-1.9
25.1
33.2
-196.9 -140.4
-188.2
-170.5
-284.4
-202.0
34
19 20 21 22 23 24 25 26 27 28 29
34
19 20 21 22 23 24 25 26 27 28 29
42
c) Approche Statistique Ecarts - Types (Control Run - OBS)
42
d) Approche Dynamique Ecarts - Types (Control Run - OBS)
41
-27
-26.3
-40.2
41
32.1
6.36
-1.2
40
39
38
37
36
35
-45.7 -29.9 -16.6
-33.6
-56.1
-38.6
-57.2
-67.8
-47.3
-38.2 -42.6
-71.6
-52.1
-46.4
-44.8
-71.3
-39.7
-68.8
-67.5
40
39
38
37
36
35
-91.25
6
-51.03
-89.3
58.71
-10.97
-66.63
-29.39
11.81 10.31
-32.94
-8.13
-4.28
-99.34 -52.21
-82.47
-56.79
-114.84
-75.19
34
19 20 21 22 23 24 25 26 27 28 29
34
19 20 21 22 23 24 25 26 27 28 29
Figure 2 – Distribution géographique des écarts des hauteurs (a.b) et des écarts des écarts – types
(c,d) des précipitations hivernales en Grèce simulées par le modèle statistique et dynamique et les
precipitations observées (statistique / dynamique – observées), pour la période de control run
(1961-1990). Les écarts signifcatifs d’après le t-test au seuil de 0.05 figurent en gris foncé.
La distribution géographique des écarts concernant les simulations dynamiques montre de
nouveau que les écarts les plus forts apparaissent à l’ouest et à l’est de Grèce. A savoir que,
malgré sa résolution spatiale plus élevée, le modèle est incapable d’intégrer d’une façon
satisfaisante les facteurs géographiques régionaux et locaux responsables, en grande partie, de
la détermination du régime pluviométrique. On doit remarquer que la station de Milos, située
au centre de la Mer Egée méridionale présente les meilleures simulations pour les deux
modèles par rapport aux autres stations (écarts très faibles).
La figure 2 (c, d) nous montre la distribution géographique des écarts des écarts types entre
les précipitations hivernales observées et les précipitations simulées par les deux modèles.
Dans le cas du modèle statistique (approche des neurones artificiels) il est évident que les
données des géopotentiels du modèle utilisées comme « prédicteurs » ne peuvent pas
reproduire d’une façon satisfaisante la variabilité naturelle des séries chronologiques des
précipitations. C’est ainsi que les écarts les plus forts apparaissent dans les stations insulaires
de la mer Egée est et sud. On doit rappeler ici le fait que le modèle de désagrégation
d’échelle, durant le processus de sa construction a présenté, lui même, une sous-estimation de
la variabilité des précipitations. Donc, il est possible que les écarts négatifs des écarts – types
soient en partie liés au degré faible de capacité des neurones artificiels de simuler ce
paramètre (écart type). Les résultats concernant la variabilité du modèle dynamique ne sont
400