Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 20123.1. Température annuelleLa corrélation entre la température moyenne journalière modélisée par le MAR et latempérature observée est très bonne, avec un R 2 supérieur à 0,9 dans tous les cas (tableau 2).Le modèle est donc capable de simuler correctement la variabilité journalière de latempérature observée. Cependant, nous observons un biais systématique, la températuremoyenne annuelle modélisée étant inférieure à la température observée de 2,5 à 5 degrés. Cebiais est en partie dû à la différence entre l’altitude de la station et celle du pixelcorrespondant et cet effet est particulièrement important pour les stations de SvalbardLufthavn (Δm = 162 m) et Sveagruva (Δm = 130 m). En considérant un gradient adiabatiquehumide, le biais corrigé varie de -26 à -4,2°.Tableau 2 : Validation de MAR et WRF pour la température annuelle. Tobs est la température moyenneannuelle (moyenne sur 2006-2010) en °C à la station, Tmod est la température moyenne annuelle modélisée parMAR et WRF, R 2 est le coefficient de détermination entre les séries de températures journalières (observationsVS MAR et WRF), RMSE est l’erreur quadratique moyenne de la température moyenne journalière modéliséepar rapport à la température observée et le biais est la différence entre la température moyenne modélisée etobservée.Station TobsTmod R 2 RMSE BiaisMAR WRF MAR WRF MAR WRF MAR WRFHopen -3,04 -5,51 -5,50 0,91 0,66 3,74 4,47 -2,47 -2,46Hornsund -2,85 -6,75 -6,63 0,92 0,82 5,59 4,80 -3,90 -4,92Kapp Heuglin -6,03 -9,40 -8,80 0,91 0,78 4,69 4,79 -3,37 -2,77Ny-Ålesund -4,19 -7,22 -9,06 0,94 0,89 4,02 5,48 -3,04 -4,87Svalbard L. -3,55 -8,76 -8,09 0,92 0,87 5,82 5,50 -5,21 -4,54Sveagruva -5,04 -9,21 -9,83 0,92 0,83 5,13 6,32 -4,17 -4,79Dans le cas de WRF, la corrélation entre la température moyenne journalière modélisée etobservée est un peu moins bonne que pour le MAR et varie plus d’une station à l’autre mais lemodèle est également un plus froid que les observations (le biais est similaire après correctionde l’altitude).Ce biais de température aura une influence sur le bilan de masse en surface modélisé. Eneffet, d'une part, une température plus basse sous-estimera l'effet de la fonte en été, mais,d'autre part, elle induira également des précipitations plus faibles, c'est-à-dire un apport plusfaible en hiver via les précipitations neigeuses mais également une limitation de l'effet desprécipitations liquides sur la fonte en été.3.2. Température estivaleLa température estivale (JJA) a une plus grande influence sur le bilan de masse en surfaceque la température annuelle. En effet, la variabilité interannuelle du bilan de masse estprincipalement influencée par la variabilité de la fonte, elle-même déterminée en grande partiepar la température estivale (Lang, 2011).Le tableau 3 montre que la corrélation entre la température moyenne journalière observéeet modélisée diminue en été, à la fois pour MAR et pour WRF. Cependant, nous observonsque le coefficient de détermination chute plus pour WRF que pour MAR (voir figure 2 pourexemple). L’erreur quadratique moyenne est également supérieure dans le cas de WRF qui estdonc moins bien capable de représenter la variabilité journalière de la température.Le biais annuel négatif mis en évidence précédemment devient presque nul en été pourMAR mais augmente pour WRF.442