English

Accueil > Recherche > Equipes > HMCIS > Thèmes de Recherche > Climat régional > Incertitudes liées aux modèles et à leur variabilité interne dans un ensemble de projections hy-droclimatiques. Sources et quantification.









Rechercher



OSUG - Terre Univers Environnement

Incertitudes liées aux modèles et à leur variabilité interne dans un ensemble de projections hy-droclimatiques. Sources et quantification.

4 novembre 2016 ( maj : 22 décembre 2016 )

Les incertitudes associées aux projections climatiques sont classiquement évaluées sur la base d’un ensemble de pro-jections multi-scénarios, multi-modèles et multi-réalisations (plusieurs réalisations pour une même chaîne de modèles). Cette approche a été appliquée dans le projet ANR RIWER2030 pour estimer l’impact du changement climatique sur le régime hydrologique du bassin supérieur de la Durance et sur la gestion de la ressource en eau associée. Les projec-tions ont été réalisées pour la période 1860-2100 avec différentes chaines de simulations obtenues pour 5 GCM du projet européen ENSEMBLES (avec plusieurs runs pour 3 d’entre eux), différentes versions de 3 Modèles de Descentes d’Echelle Statistique (MDES) (analog (EDF), dsclim (CERFACS), d2gen (LTHE), avec 100 réalisations pour chacune d’entre elle), 3 Modèles Hydrologiques (MH) et 3 Modèles de Gestion de la ressource développés pour RIWER2030 (Hingray et al., 2013 ; François, 2013 ; Lafaysse et al., 2014).

L’enjeu consiste à quantifier les incertitudes associées à ce type d’ensemble de projections. Cela permet en particulier d’estimer la significativité des changements projetés au vu de la variabilité interne du climat, d’identifier les sources d’incertitude principales et d’évaluer la possibilité de les réduire. Cette quantification n’est pas triviale, en particulier lorsque la variabilité interne des modèles est importante au regard de la réponse climatique simulée et/ou lorsque l’ensemble de projections à disposition est non équilibré.

Le cadre statistique se base sur l’hypothèse de quasi-ergodicité pour les simulations climatiques transitoires. Simple et robuste, il permet de séparer et quantifier les différentes sources d’incertitude d’un tel ensemble en particulier : les composantes grande et petite échelle de la variabilité interne des modèles, les composantes de l’incertitude modèle liées à chaque type de modèle (MGC, MDES, MH). Il a été appliqué aux projections RIWER2030 pour différentes échéances de projection et différentes variables hydroclimatiques (Lafaysse et al., 2013).

Pour les températures, si l’incertitude liée au GCM domine, celle liée au MDES est non négligeable contrairement à l’incertitude liée à la variabilité interne des modèles. Un réchauffement significatif et par suite des changements signi-ficatifs du couvert neigeux, des pertes par évaporation et de la saisonnalité des débits à l’exutoire du bassin sont obte-nus. Pour les précipitations, l’incertitude liée au GCM et au MDES sont équivalentes. Malgré une incertitude « modèle » importante, la réponse climatique des chaînes de simulation est significativement non nulle et une baisse des précipitations annuelles moyenne est attendue. Cependant, de larges valeurs sont obtenues pour les composantes grande et petite échelle de la variabilité interne héritées respectivement des GCM et des différentes réalisations d’un MDES donné. La même chose est obtenue pour les débits annuels. De ce fait, l’incertitude sur les valeurs qui pour-raient être observées pour une période future donnée est très importante, le signe du changement des futures réalisa-tions étant lui-même incertain à 90%.

De même que pour les GCM, l’incertitude sur les MDES ne peut donc pas être négligée. La même chose s’applique pour les 2 composantes de la variabilité interne des modèles. Les études d’impact basée sur une réalisation unique d’un MDES donné sont susceptibles d’être aussi peut pertinentes que celle basées sur un run unique d’un GCM donné (ou un ensemble réduit). Lorsque de telles études sont sensées informer sur les adaptations à envisager, elles sont susceptibles de conduire à des décisions erronées. Dans le cas présent, il serait plus pertinent de s’adapter à la variabilité naturelle des précipitations qu’à une baisse attendue de ces dernières. Les incertitudes liées au modèle hydrologique et au modèle de gestion de la ressource se sont aussi avérées non négligeables au regard des incertitudes mentionnées ci-dessus (François, B. 2013).

(Gauche) Changements de précipitations annuelles moyennes sur 20 ans en fonction de l’échéance de projec-tion (période de référence 1980-1999). (Droite) Proportion de l’incertitude totale expliquée par chaque source d’incertitude : GCM (bleu foncé) ; SDM (vert) ; interaction GCM/MDES (R/MI, cyan), variabilité interne grande échelle (LSIV, rouge) et petite échelle (SSIV, jaune) associées à chaque chaîne GCM/MDES.

Références :

Lafaysse, M., Hingray, B., Gailhard, J., Mezghani, A., Terray, L. (2014). Internal variability and model uncertainty components in a multireplicate multimodel ensemble of hydrometeorological projections. Water Resource Research. DOI:10.1002/2013WR014897

Hingray, B., Saïd, M., 2014. Partitioning internal variability and model uncertainty components in a multimodel multireplicate ensemble of climate projections. J.Climate. 27(17) ; pp. 6779-6798. doi:10.1175/JCLI-D-13-00629.1

Hingray, B., Hendrickx, F., Bourqui M., Creutin, J.D., François, B., Gailhard, J., Lafaysse, M., Lemoine, N., Mathevet, T., Mezghani, A., Monteil, C., 2013. RIWER2030 : Climats Régionaux et Incertitudes, Ressource en Eau et Gestion associée de 1860 à 2100.Projet ANR VMCS 2009-2012. Rapport Final. 60p.+Annexes. CNRS/LTHE, EDF/LNHE, EDF/DTG. Grenoble. http://www.lthe.fr/RIWER2030/

François, B. 2013. Gestion optimale d’un réservoir hydraulique multiusage et changement climatique. Modèles, projections et incertitudes. Thèse de doctorat, LTHE, Grenoble., EDF / R&D, Chatou.