AMIGAS

Décrire avec précision l'évolution future du climat est une question et un défi clés pour la communauté scientifique. Pour anticiper les changements climatiques, des simulations globales du système terrestre sont fournies par plusieurs agences environnementales nationales. Ces simulations sont issues de modèles climatiques, qui diffèrent principalement selon les paramétrisations représentant des processus non résolus comme par exemple, la convection océanique ou la dynamique des nuages. De plus, les projections climatiques sont évaluées, pour chaque modèle climatique, selon une gamme de scénarios d'émission de gaz à effet de serre possibles pour le futur. La réponse de ces modèles climatiques à ces scénarios d'émission, ainsi que la variabilité interne et externe du système, conduit à une large incertitude des projections climatiques pour les prochaines décennies.

Ce projet AMIGAS vise à réduire l'incertitude des projections climatiques décennales en extrayant les projections les plus probables à partir de métriques climatiquement pertinentes. En pratique, ces métriques climatiques sont faciles à manipuler et à extraire des simulations numériques. Nous profiterons également du fait que certaines de ces métriques sont surveillées depuis plusieurs années par des réseaux de
mesures in situ ou par satellites.

Un exemple emblématique est la température de surface atmosphérique qui, moyennée à léchelle du globe, a montré le réchauffement climatique du siècle dernier. On peut aussi penser à des métriques plus en adéquation avec les demandes socio-économiques comme la température moyennée sur lEurope, ou encore les température moyennée sur l'Europe, ou encore les précipitations et lactivité des tempêtes. Dans le but dextraire les projections les plus probables (par rapport à une gamme de paramètres climatiques observés, comme la température de surface atmosphérique), le projet AMIGAS évaluera la probabilité de chaque simulation et lui attribuera un poids. A partir de ces poids, il sera ensuite possible de proposer une gamme de projections pondérée avec un degré dincertitude réduit et donc de fournir une projection probabiliste optimale. Le critère pour calculer les probabilités, et donc les poids, est l'adéquation entre les observations et les simulations climatiques. Ici, la probabilité de chaque modèle est calculée à l'aide de techniques d'assimilation de données, en se basant sur des outils de la théorie des événements extrêmes.

Méthode

Dans ce projet AMIGAS, l'idée est d'utiliser des simulations atmosphériques globales déjà existantes (à partir des bases de données CMIP5 et CMIP6) et la méthode par analogues pour éviter d'effectuer de nouvelles simulations de modèles, comme cela est fait en assimilation de données classique. En effet, la méthode des analogues est capable de produire des prévisions à faible coût à partir de données historiques et peut directement prévoir une métrique climatique, sans avoir à passer par létat complet du système. Enfin, la prévision par analogues peut être facilement interfacée avec des méthodes d'assimilation de données pour calculer les probabilités de chaque modèle, dans le but de fournir les projections les plus probables.

Membres du projet

Chaque membre aura son rôle dans le projet :

• Pierre Tandeo d'lMT Atlantique coordonnera le projet, travaillera sur les aspects méthodologiques autour de lassimilation de données et veillera à vulgariser et disperser les travaux de recherche ;
• Florian Sévellec de lIUEM mettra en place des méthodes analogues pour lobtention de prédictions
• météorologiques probabilistes et apportera ses connaissances climatiques pour la compréhension des événements climatiques extrêmes ;
• Philippe Naveau de lIPSL apportera son expertise sur les événements extrêmes atmosphériques et les outils de modélisation statistique des événements rares ;
• Juan Ruiz de la UBA donnera son avis de météorologue quant aux situations à étudier en Europe de l'Ouest.

Ce projet est pluridisciplinaire, mêlant différents champs d'investigation comme lassimilation de données, les prévisions statistiques, les événements extrêmes, les simulations climatiques ou encore la météorologie. L'équipe représente cette diversité.