Projections climatiques régionales : Avant toute chose, corriger les erreurs de grande échelle

Sémainire de G. Krinner (IGE), le Jeudi 16 Mai 2019 à 11h en salle OSUG-B105

Résumé :
L’évaluation de nombreux impacts potentiels du changement climatique nécessite une information à des échelles spatiales inaccessibles avec un modèle couplé du climat. Une approche fréquemment choisie est donc d’effectuer une descente d’échelle pour diagnostiquer ou simuler le climat futur à une échelle spatiale utile. On peut ainsi utiliser un modèle de climat régional (RCM) ou des méthodes statistiques (avec, très souvent, une correction de biais "cachée"), ou les deux, alimentés par les sorties des modèles à grande échelle. Surtout dans le cas d’une régionalisation avec un RCM, on importe directement les biais inévitables des modèles de climat couplés de type CMIP dans le modèle à fine échelle. On transforme ainsi, à coût numérique élevé, du "large-scale rubbish" en "fine-scale rubbish" avant d’éventuellement corriger ces biais au moment de l’évaluation des impacts. Peu est gagné ainsi. Je propose d’insérer un pas intermédiaire entre les modèles couplés et les RCM (ou la régionalisation statistique) qui consiste à utiliser un modèle atmosphérique global avec une correction de biais interne, alimenté seulement par l’information sur le changement de température de surface océanique issu d’un modèle global couplé qui est largement indépendante des biais du modèle couplé. Pour le climat présent, par construction, les simulations ainsi obtenues sont nettement plus réalistes que les meilleures simulations réalisables aujourd’hui à l’aide de modèles globaux non corrigés. Je présenterai des tests de cette méthode dans le cadre d’une expérience de "modèle parfait" qui prouvent l’applicabilité de cette méthode de correction de biais à des projections climatiques centennales. Cette méthode ouvre la voie à des projections climatiques de qualité inégalée à l’échelle régionale.