Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 20121. Démarche méthodologique1.1. Les donnéesL'utilisation des champs de modèles climatiques, soit globaux soit régionaux, parl'estimation des impacts du réchauffement global, est difficile à cause des grandes erreurs queles modèles présentent par rapport aux observations, dues principalement à la résolutiongrossière et aux limites de la paramétrisation des paramètres qui intéressent une échelleinférieure à celle décrite dans le modèle. Pour quelques champs même très importants,comme par exemple la précipitation, et pour quelques zones, comme l'arc alpin, ces erreurssont telles qu’elles rendent totalement incertaine l'évaluation des impacts sur la base desreprésentations des modèles.La technique Multimodel SuperEnsemble (Krishnamurti et al., 1999) a été appliquée à dessélections de Modèles Climatiques Régionaux (MCR), obtenus à partir du scénario SRESA1B du projet ENSEMBLES, pour obtenir une réduction des erreurs des champs detempérature. Cette technique, déjà appliquée aux modèles météorologiques (Cane et Milelli,2006), consiste à évaluer des modèles différents avec des ‘poids’ obtenus dans une périoded’entraînement (‘training’) en comparaison avec des observations.Ronchi et al. (2008) ont produit une série historique de données issues de réseauxd’observation, avec une interpolation sur une grille régulière possédant une résolution de 14km, en utilisant la méthode de l’Optimal Interpolation pour rendre plus homogènes etcohérentes les séries temporelles provenant de différents réseaux de mesure. Ces observationsont été utilisées avec les modèles climatiques pour calculer les différences sur la période1961-1980, et pour valider les résultats sur la période 1981-2000. Par rapport aux résultats desmodèles originaux, les champs obtenus avec Multimodel présentent une excellente correctiondes erreurs systématiques et du correct cours saisonnier. Les poids ainsi obtenus ont étéutilisés pour calculer les champs corrigés avec Multimodel sur la période 1981-2100.Pour cet article, on fait référence à la période 2031-2050, pour avoir une variationindicative des conditions dans la moitié du XXI ème siècle. Sur cet intervalle temporel,l'utilisation d'un seul scénario (A1B) est raisonnable, comme les variations parmi lesdifférents scénarios sont inférieures à la variabilité due à l'utilisation de beaucoup de modèles.La figure 1 montre la comparaison entre deux distributions de Gauss des données detempératures maximales moyennes sur le Piémont à partir du scénario, respectivement sur lapériode 1981-2000 (choisie comme référence) et sur la période 2031-2050. La variation de lamoyenne est seulement de 1,2°C, mais il faut souligner l'augmentation de la probabilité desvaleurs extrêmes, représentée comme l'aire comprise dans les queues de la distribution.Figure 1 : Comparaison des distributions gausiennes des données de températures maximales moyennes sur lePiémont pour le scénario 1981-2000 (en trait plein) et pour le scénario 2031-2050 (en pointillé).572