Evaluation des simulations climatiques sur la variabilité du géopotentiel : étude préliminaire L. DECLERCK1,2, C. NORRANT-ROMAND1, V. FEVRE-NOLLET2 [email protected] 1 UFR de Géographie et Aménagement, EA 4019 TVES, Avenue Paul Langevin, Université Lille 1, 59 655 Villeneuve d'Ascq Cedex 2 Laboratoire de Physico-Chimie des Processus de Combustion et de l'Atmosphère (PC2A), UMR CNRS USTL 8522, Bât. C11, Université Lille 1, 59 655 Villeneuve d'Ascq Cedex Mots clefs : modèle de circulation générale – Atlantique Nord et Europe – évaluation scénario – changement climatique – géopotentiel 500 hPa Introduction Le changement climatique, avéré par la majorité de la communauté scientifique dans laquelle s'inscrit le GIEC (Groupe d'Experts Intergouvernemental sur l'Evolution du Climat), se reflète essentiellement par la hausse de la température moyenne globale [1]. Il se pourrait néanmoins qu'il engendre d'autres conséquences notamment sur la variabilité de la circulation atmosphérique. Solman et Le Treut (2006) [2] se sont intéressés à l'état atmosphérique futur sous l'angle de la variabilité contraint par un forçage anthropique de gaz à effet de serre. S'il existe une contrainte sur la variabilité atmosphérique, il se peut que cela impacte la diffusion des polluants, sans oublier les concentrations susceptibles d'évoluer en raison des températures plus élevées [1]. C'est ce que nous cherchons à détecter à travers les modes de variabilité basse fréquence (fluctuations spatiales et variations temporelles). Le champ géopotentiel 500 hPa caractérisant les pressions d'altitude est utilisé par le biais de jeux de données moyennées mensuellement. Pour étudier des modifications de la variabilité atmosphérique au 21ème siècle, seuls les Modèles de Circulation Générale couplés Océan Atmosphère (MCGOA) en offrent la possibilité, mais leur utilisation suppose d'évaluer leur reproductibilité préalablement. De ce fait, nous présentons d'abord l'étude d'évaluation du modèle HadCM3 du Hadley Centre en le confrontant aux réanalyses NCEP faisant office de série de référence. Ensuite, dans le but d'évaluer les éventuelles modifications pronostiquées par le modèle, le champ géopotentiel simulé de la fin du 21° siècle décrit d'après le scénario A2 du GIEC est analysé. 1. Données et méthodes 1.1. Séries chronologiques Les séries chronologiques de données utilisées et traitées dans cette étude proviennent des centres NCEP/NCAR (National Centers for Environmental Prediction – National Center for Atmospheric Research) pour une partie et du modèle numérique du service météorologique national de Grande-Bretagne, le Hadley Centre pour une autre. Chacune d'elles représentent des moyennes mensuelles de hauteurs géopotentielles du niveau 500 hPa permettant ainsi d'exprimer la dynamique de l'atmosphère et plus particulièrement la variabilité inter-annuelle de la circulation atmosphérique d'altitude (géopotentiel 500 hPa équivaut en moyenne à 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 5560 mètres). Les séries dépeignent donc des pressions atmosphériques correspondant au niveau géopotentiel 500 hPa à partir d'une fenêtre spatiale englobant l'Atlantique Nord et l'Europe (60°W, 60°E ; 20°N, 70°N). Précisons enfin que la période hivernale est étudiée au travers des mois de décembre, janvier et février analysés individuellement en raison d'une plus grande facilité d'identification des dynamiques atmosphériques due à une circulation plus rapide. Notre but dans un premier temps étant d'évaluer le modèle de simulation, une série qualifiée de référence est utilisée, il s'agit des réanalyses NCEP-NCAR étendues temporellement sur une période déjà écoulée constituée de trois décennies, de 1960 à 1989. Les réanalyses ne sont pas uniquement des observations, c'est la combinaison d'informations provenant de simulations fournies par un modèle de circulation générale (CDAS-1) [3] qui les caractérisent. Ces associations fournissent des données réanalysées de catégorie A, ce qui signifie qu'elles sont faiblement empreintes d'incertitudes [3]. Les réanalyses sont fournies à la résolution 2,5° x 2,5° [3]. La série de référence est confrontée à une simulation issue du modèle sur la même période. Le modèle désigné est le HadCM3 qui est un modèle de climat global couplé océan atmosphère [4, 5, 6]. Ce dernier est composé de deux composantes majeures, l'une intégrant l'aspect océanique du système climatique par le biais du modèle HadOM3, l'autre se substituant à l'aspect atmosphérique via le modèle HadAM3 [7] de résolution horizontale de 2,5° en latitude et de 3,75° en longitude, pour une gille constituée de 96x73 points. HadOM3 dispose d'une résolution horizontale plus fine de 1,25° x 1,25°. Aucun forçage anthropique n'est intégré dans cette simulation, il s'agit de la simulation dénommée 20c3m décrivant le climat du 20ème siècle. Comme indiqué plus haut, dans un second temps, l'objectif est d'examiner la variabilité atmosphérique prédite par le modèle Hadley pour des années futuristes. A cette fin une série complémentaire est employée : la simulation décrivant les pressions d'altitude pour la fin du 21ème siècle (nous parlerons de période future : 2070 à 2099) d'après les orientations climatiques exposées par le scénario A2 du GIEC. Ce scénario prévoit une concentration de CO2 en 2100 de l'ordre de 840 ppm, les agents de forçage incluent les gaz à effet de serre (CO2, CH4, N2O) ainsi que les effets directs des aérosols sulfatés. A travers l'examen des variables générées, il dépeint en quelque sorte le changement climatique (actuel) tel qu'il pourrait se concrétiser au cours du siècle à venir, permettant par la même occasion d'examiner les conséquences du changement climatique sur la variabilité de la circulation atmosphérique. 1.2. Méthodes Pour accomplir une évaluation pertinente d'un modèle de simulation du climat par rapport à des réanalyses, il est indispensable de comparer des variables établies d'après une grille commune. En ce sens, les séries modélisées, qu'elles établissent la période actuelle (1960-89) ou la période future (2070-99), ont été rééchantillonnées (sur la grille 2,5° x 2,5°) au moyen d'une interpolation géostatistique par krigeage. De cette manière, chacune des séries étudiées comporte 1029 points de grille (49 points en longitude et 21 points en latitude). Pour évaluer la qualité du champ géopotentiel simulé sur la période actuelle, nous confrontons les résultats de la simulation aux réanalyses. Plusieurs aspects sont considérés : la variabilité spatiale qui repose sur les modes de variabilité atmosphérique basse fréquence et la variabilité temporelle au cours de la période 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 considérée associée aux modes. La recherche des corrélations (r) [8] entre les réanalyses et la simulation participe à la comparaison des séries. Cette technique assez simple permet de soustraire l'ordre de grandeur des séries du processus de comparaison de la variabilité des pressions. Les caractéristiques spatiales et temporelles des modes de variabilité basse fréquence au-dessus de la fenêtre d'étude déterminées à partir du champ géopotentiel 500 hPa sont identifiées au moyen d'Analyses en Composantes Principales (ACP) avec rotation Varimax normalisée. L'ACP est une méthode statistique d'analyse des données employée communément pour réduire le nombre de variable de la matrice. La technique consiste à dégager à partir de la matrice originelle les associations corrélatives entre variables et à distinguer les variables corrélées des variables non-corrélées. Les structures corrélatives sont regroupées au sein de ce qu'on appelle les composantes principales ou facteurs. Les ACP ont été exécutées sur les réanalyses ainsi que sur les simulations et paramètrent les données de pression en variables et l'échelle temporelle en observations. L'avantage de la rotation Varimax normalisée [9] est la préservation de l'orthogonalité des facteurs permettant de conserver au facteur la part de la variance qui lui est propre. Deux principaux résultats sont extraits des ACP avec rotation permettant de caractériser les principaux modes de variabilité basse fréquence. Les poids factoriels définissent les corrélations des variables aux facteurs, ce sont eux qui déterminent spatialement les modes. Les scores factoriels caractérisent quant à eux les fluctuations temporelles des facteurs et donc des modes de variabilité. C'est donc à partir des poids et des scores reliés aux facteurs que les corrélations ont été effectuées entre les séries (réanalyses/simulation 20c3m). Par la suite, lors de l'étude du géopotentiel simulé futur, les tendances linéaires des modes obtenues à partir des scores factoriels sont testées par le test de Kendall afin d'exprimer les tendances significatives. Ce test ne prend pas en compte l'effet de taille des séries, c'est-à-dire leur amplitude. 2. Evaluation du modèle de simulation du climat Le champ géopotentiel 500 hPa du domaine d'étude sur la période actuelle (196089) tel qu'il est simulé par le modèle de circulation générale HadCM3 est comparé à celui des réanalyses dans le but d'apprécier la reproductibilité du modèle. La comparaison se repose uniquement sur les modes de variabilité similaires entre les séries, ici entre les réanalyses et la simulation 20c3m. Elle se fonde dans une première étape sur les corrélations des poids factoriels entre séries et dans une seconde étape sur les scores entre séries. 2.1. Structures spatiales des modes de variabilité L'analyse des ACP avec rotation a permis de conserver 6 facteurs (donc 6 modes de variabilité différents) des mois de décembre et janvier pour les deux jeux de données et 5 pour le mois de février, également pour chacune des séries. La figure 1 montre quelques uns des modes de variabilité qui affectent le géopotentiel 500 hPa. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 DECEMBRE 60 60 50 50 Latitude 70 40 30 40 30 -50 -40 -30 -20 -10 0 10 20 30 40 50 20 -60 60 (12,97, %) 70 60 60 50 50 40 40 30 30 -50 -40 -30 -20 -10 0 10 20 30 40 50 (11,93 %) 20 -60 60 60 60 50 50 Latitude 70 40 30 -10 0 10 20 30 -50 -40 -30 -20 -10 0 40 50 60 (11,69, %) 10 20 30 40 50 60 (10,71 %) 40 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 20 -60 60 60 50 50 40 40 30 30 -40 -30 -20 -10 0 10 20 30 40 50 60 20 -60 70 70 60 60 50 50 40 40 30 30 -40 -30 -20 -10 0 10 20 -50 -40 -30 -20 -10 0 30 -30 -20 -10 0 10 20 30 40 50 60 20 -60 40 50 60 (18,75, %) 10 20 30 FEVRIER (20,27 %) -50 -40 Longitude 70 -50 -50 Longitude 70 20 -60 -20 30 (23,74 %) 20 -60 -30 JANVIER 70 20 -60 -40 Longitude 70 20 -60 -50 Longitude Latitude 20 -60 (16,28 %) Latitude (20,94 %) 70 40 50 60 (13,30 %) -50 -40 -30 -20 -10 0 10 20 30 40 50 60 Figure 1 : structures spatiales correspondant aux modes de variabilité extraits des poids factoriels par les ACP avec rotation. Décembre : centre et sud-est Atlantique, est Atlantique-ouest Russie ; janvier : Méditerranée orientale, oscillation nord Atlantique ; février : mer du Nord-mer Caspienne. A gauche : réanalyses ; à droite : simulation 20c3m. La variance expliquée par chacun des modes est exprimée en % entre parenthèses. L'Oscillation Nord Atlantique (ONA), dont le schéma a été extrait de chacun des mois d'hiver, est l'un des principaux modes de variabilité affectant la pression atmosphérique de l'hémisphère nord [10]. On peut le présenter comme un dipôle 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 d'anomalies fortement marqué par le gradient nord-sud, un centré localisé à proximité du Groenland [11], le second de signe opposé au large des côtes de l'Afrique du nord. Seules les configurations ONA et centre et sud-est Atlantique (dont aucune référence dans la littérature n'a été trouvée) ont été dégagées des poids factoriels pour l'ensemble de la période hivernale. Le schéma centre et sud-est Atlantique a une représentation basée majoritairement sur deux pôles d'action sur la moitié ouest de la fenêtre d'étude. L'Atlantique Nord (30°W, 50°N) en héberge un, par ailleurs plus ou moins décalé vers l'ouest et la partie sud-ouest abrite le second, fixé à proximité des côtes africaines (30°W, 25°N). REANALYSES Variance expliquée CONFIGURATION Nom SIMULATION Variance expliquée FEVRIER JANVIER DECEMBRE 16,28 % Centre et sud-est Atlantique (0,85) 20,94 % 15,98 % Oscillation nord Atlantique (0,74) 17,90 % 11,69 % Est Atlantique-Ouest Russie (0,80) 12,97 % 14,23 % Méditerranée orientale (0,33) 9,11 % Mer du Nord-Caspienne 15,27 % Oscillation Méditerranéenne 8,67 % 13,86 % Méditerranée occidentale 8,27 % Scandinavie 12,63 % Centre et sud-est Atlantique (0,84) 9,57 % 18,75 % Oscillation nord Atlantique (0,91) 23,74 % 16,25 % Est Atlantique-Ouest Russie (0,52) 14,93 % 10,71 % Méditerranée orientale (0,79) 11,93 % 10,26 % Méditerranée occidentale (0,76) 8,80 % Mer du Nord-Caspienne 13,53 % 12,39 % Scandinavie 22,68 % Centre et sud-est Atlantique (0,90) 18,41 % 19,82 % Oscillation nord Atlantique (0,97) 19,28 % 9,70 % Méditerranée orientale (0,42) 9,75 % 13,30 % Mer du Nord-Caspienne (0,61) 20,27 % 10,93 % Ouest Russie (0,75) 11,13 % Tableau 1 : variances expliquées de chacune des configurations (en %) accompagnées des coefficients de corrélation (entre parenthèses) calculés à partir des poids factoriels lorsque les réanalyses et la simulation possèdent un schéma similaire et ce pour chacun des mois. Le mois de décembre partage deux autres configurations similaires entre les réanalyses et la simulation 20c3m. Méditerranée orientale [12] est l'une d'elles, elle affiche une bande de corrélations fortement marquées tronquée par les limites du domaine au niveau de la mer Rouge, un second pôle est visible, nettement moins marqué celui-là, il recouvre approximativement l'Europe. Le mois de décembre expose aussi le schéma dénommé est Atlantique-ouest Russie [10] constitué d'un pôle majeur fortement corrélé à l'ouest de la Russie accompagné d'un deuxième pôle plus discret au niveau de la Grande-Bretagne. Le mois de janvier montre également le schéma est Atlantique-ouest Russie sur lequel le pôle occidental est fortement corrélé. Ajouté à celui-là et aux trois précédents, le mois de janvier affiche la configuration intitulée Méditerranée occidentale [12] présentant un unique pôle très fortement corrélé au-dessus du Sahara occidental, et tout particulièrement l'Algérie. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Le mois de février enfin détient deux modes de variabilité différents de ceux extraits jusque là : ouest Russie et Mer du Nord-Mer Caspienne. Le premier voit la mer Blanche être le centre du pôle d'action fortement corrélé [10, 11], tandis que le deuxième est composé de deux centres comme son nom l'indique, localisés audessus de la mer du Nord (0°, 55°N) pour l'un et au sud-est centré sur la mer Caspienne (50°E, 45°N) pour l'autre [13]. Les diverses configurations dégagées par les ACP avec rotation ont révélé une certaine récurrence d'apparition quel que soit le nombre de facteurs extrait de la matrice. A cela s'ajoutent des caractéristiques spatiales assez semblables entre série réanalysée et série simulée, conclusion renforcée par le tableau 1 qui signale des corrélations, certes pas toutes parfaites, mais élevées dans l'ensemble. Les coefficients de corrélation calculés sur les poids entre les réanalyses et la simulation 20c3m (tableau 1) sont de façon générale assez élevés. L'ONA et le mode centre et sud-est Atlantique présentent tout particulièrement de très bons coefficients (minimum 0,74 ; maximum 0,97). Globalement, lorsque l'on examine la variabilité spatiale des modes, il ne semble pas exagéré de dire que le modèle HadCM3 reproduit correctement les modes de variabilité réanalysés puisque dix configurations sur quatorze au total exposent des coefficients de corrélation supérieurs à 0,74. Cependant certaines autres témoignent une reproductibilité inférieure, notamment pour Méditerranée orientale extraite au mois de décembre (0,33) et de février (0,42). 2.2. Variations temporelles des modes de variabilité De façon moins satisfaisante le tableau 2 affiche les coefficients de corrélation calculés sur les scores factoriels entre les séries. Configurations communes entre séries DECEMBRE VC r (%) JANVIER VC (%) r r FEVRIER VC (%) Centre et sud-est 0,16 2,40 0,1 0,92 0,11 1,27 Atlantique Oscillation nord Atlantique 0,03 0,09 0,1 0,92 0 0 Est Atlantique-ouest 0,18 3,24 0,22 4,84 Russie Méditerranée orientale 0,12 0,02 0,12 1,40 0,07 0,49 Méditerranée occidentale 0,02 0,04 Mer du Nord-Caspienne 0,1 1,00 Ouest Russie 0,3 9,00 Tableau 2 : coefficients de corrélation (r) (et variance commune - VC - associée en %) calculés à partir des scores factoriels de chaque configurations communes aux séries. La variabilité interannuelle des modes de variabilité semble être un paramètre difficilement reproductible par le modèle HadCM3, comme en témoigne les corrélations qui varient de 0 à 0,30. La configuration est Atlantique-ouest Russie manifeste deux des 'meilleures' corrélations, 0,18 (3.24 % de variance commune) en décembre et 0,22 (4.84 % de variance commune) en janvier, tandis que le schéma 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 ouest Russie du mois de février conserve la meilleure (0,3 soit 9% de variance commune). 3. Evolution de la variabilité du géopotentiel à la fin du 21ème siècle Une des possibilités de l'application des modèles d'évolution du climat est l'estimation des modifications que pourrait engendrer le changement climatique. Le changement climatique, concrétisé au travers différents scénarios d'émissions, peut ainsi être étudié sur des périodes qui ne se sont pas encore produites. Les décennies 2070 à 2099 sont analysées pour les mois de décembre, janvier et février traités séparément. Afin d'évaluer l'impact du changement climatique, on examine la variabilité du géopotentiel par différentes techniques. Les scores et les poids factoriels fournis par les ACP avec rotation offrent la possibilité d'étudier les variations spatiales et temporelles des modes de variabilité susceptibles d'intervenir successivement au changement climatique. Des calculs de tendances sur les configurations de la période future sont également effectués. 3.1. Évolution des modes de variabilité basse fréquence Comme précédemment appliquées, les ACP avec rotation ont dégagé 6 facteurs des mois de décembre, janvier et février 2070-99. Les poids factoriels servent à déterminer les configurations spatiales du champ géopotentiel. De cette façon la figure 2 montre quelques schémas reflétant la variabilité basse fréquence au-dessus de la fenêtre d'étude. Comparativement aux structures spatiales dégagées des poids factoriels 1960-89, les configurations simulées de la période future (2070-99) sont dans la grande majorité similaires. On remarque une récurrence des mêmes modes, à savoir : oscillation nord Atlantique ; mer du Nord – mer Caspienne ; Méditerranée orientale ; Méditerranée occidentale ; centre et sud-est Atlantique ; est Atlantique – ouest Russie ; Scandinavie. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 DECEMBRE (14,57 %) 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 (15,14 %) JANVIER 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 (17,79 %) 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 FEVRIER 40 50 60 (15,91 %) 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 Figure 2 : structures spatiales correspondant aux modes de variabilité extraits des poids factoriels par les ACP avec rotation. Décembre : centre et sud-est Atlantique ; janvier : centre et sud-est Atlantique, oscillation nord Atlantique ; février : mer du Nord-mer Caspienne. La variance expliquée par chacun des modes est exprimée en % entre parenthèses. Géographiquement, les centres d'action majeurs sont localisés au-dessus des mêmes endroits. La configuration dénommée Europe centrale (décembre) n'a pas réellement été identifiée lors de la période actuelle, il en va de même pour la structure qualifiée de subtropique (février). Pour cette dernière, la simulation actuelle présente des structures semblables mais pour lesquelles la bande de corrélations supérieures à 0,7 est limitée à la Méditerranée de l'est et ne s'étire pas jusqu'aux frontières sud-ouest du domaine. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Le tableau 3 présente les variances expliquées de chaque mode de variabilité extrait. CONFIGURATION Nom A2 Variance expliquée FEVRIER JANVIER DECEMBRE 14,57 Centre et sud-est Atlantique 16,39 Oscillation nord Atlantique 15,40 Est Atlantique-Ouest Russie 13,88 Méditerranée orientale 9,29 Scandinavie 13,45 Europe centrale 15,14 Centre et sud-est Atlantique 17,79 Oscillation nord Atlantique 12,45 Est Atlantique-Ouest Russie 12,76 Méditerranée orientale 14,61 Méditerranée occidentale 12,99 Mer du Nord-Caspienne 18,01 Centre et sud-est Atlantique 15,98 Oscillation nord Atlantique 15,91 Mer du Nord-Caspienne 9,97 Ouest Russie 9,21 Méditerranée occidentale 15,32 Subtropique Tableau 3 : variances expliquées de chacune des configurations (en %) calculés à partir des poids factoriels de la simulation A2 pour chacun des mois. Les tendances linéaires de l'évolution des pressions ont été mises en évidence à partir des graphiques de variation des pressions, et ce grâce aux scores factoriels. Pour chaque mode de variabilité, la tendance a ainsi été testée avec le test de Kendall. Sur treize tendances disponibles, cinq sont classées significatives d'après le test (figures 3 et 4). Des cinq, toutes sont à la hausse : décembre comprend les modes Méditerranée orientale et Scandinavie, janvier compte les modes est Atlantiqueouest Russie, Méditerranée occidentale et Méditerranée orientale, tandis que février n'en comporte aucun. Nous pouvons en déduire que d'après le modèle, le scénario A2 apporterait d'ici la fin du 21ème siècle un renforcement ou un affaiblissement des pressions de divers modes de variabilité. Les pôles corrélatifs positifs auraient tendance à se renforcer, tandis que les pôles corrélatifs négatifs se verraient atténuer. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Scandinavie - Décembre 3,00 3,00 2,50 2,50 2,00 2,00 1,50 1,50 Scores factoriels 1,00 0,50 0,00 -0,50 -1,00 y = 0,0386x - 0,5981 R2 = 0,1154 Années 2098 2096 2094 2092 2090 2088 2086 2084 2082 2080 2078 2076 2070 2074 -2,00 2098 2096 2094 2092 2090 2088 2086 2084 2082 2080 2078 2076 2074 2072 0,00 -0,50 -1,50 -2,00 2070 0,50 -1,00 y = 0,073x - 1,1321 R2 = 0,4135 -1,50 1,00 2072 Scores factoriels Méditerranée orientale - Décembre Années Figure 3 : tendances linéaires significatives (testées par le test de Kendall) établies à partir des scores factoriels de la simulation HadCM3 (scénario A2) pour le mois de décembre. Méditerranée occidentale - Janvier 2,00 1,50 1,50 1,00 1,00 Scores factoriels 2,00 0,50 0,00 -0,50 -1,00 0,00 -0,50 -1,00 -1,50 y = 0,0689x - 1,0676 R2 = 0,3677 -2,00 2098 2096 2094 2092 2090 2088 2086 2084 2082 2080 2078 2076 2074 2070 2098 2096 2094 2092 2090 -2,50 2088 2086 2078 2076 2074 2072 2070 -2,50 2084 -2,00 2082 y = 0,0409x - 0,6338 R2 = 0,1296 0,50 2072 -1,50 2080 Scores factoriels est Atlantique - ouest Russie - Janvier Années Années Méditerranée orientale - Janvier 4,00 Scores factoriels 3,00 2,00 1,00 0,00 -1,00 y = 0,0494x - 0,7659 R2 = 0,1892 -2,00 2098 2096 2094 2092 2090 2088 2086 2084 2082 2080 2078 2076 2074 2072 2070 -3,00 Années Figure 4 : tendances linéaires significatives (testées par le test de Kendall) établies à partir des scores factoriels de la simulation HadCM3 (scénario A2) pour le mois de janvier. Ainsi en suivant ces orientations, au mois de décembre la configuration Méditerranée orientale, qui combine deux pôles majeurs, afficherait le pôle situé majoritairement à l'ouest de l'Europe de façon atténuée tandis que le pôle sud-sud est, localisé grossièrement à l'est de la Méditerranée, de manière renforcée. Il en serait de même pour la configuration Scandinavie, aux pôles septentrional et sud-est qui se renforceraient, tandis que les pôles situés en Atlantique et au niveau de la Russie occidentale s'affaibliraient. En janvier, trois modes de variabilité sur cinq retenus présentent des tendances significatives toutes positives. Pour le schéma Méditerranée orientale, les conclusions seraient similaires. Pour le schéma est Atlantique-ouest Russie deux pôles dominants se verraient évoluer, dans le sens d'un renforcement pour le pôle ouest Russie et secondairement pour le pôle ouest 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Atlantique et dans le sens d'un affaiblissement essentiellement pour le pôle européen. Enfin, le mode Méditerranée occidentale, comme son nom l'indique, évoluerait principalement par le biais d'un renforcement des pressions au niveau de l'ouest de l'Afrique du Nord, se déployant par ailleurs aisément jusqu'à la Scandinavie, sans oublier de façon parallèle un amoindrissement des pressions au sud du Groenland ainsi qu'aux alentours de la mer Rouge. 3.2. Fréquences d'occurrence des régimes de circulation A partir des scores factoriels il est possible de déterminer, pour un mode de variabilité donné, ses fluctuations au cours de la période analysée, et par là même, les années extrêmes individualisées selon deux oscillations de signe contraire. L'étude des variations temporelles des modes s'intéresse donc aux scores factoriels afin d'aboutir à des schémas composites de circulation totalisant les trois années extrêmes selon le signe (positif ou négatif). C'est un autre moyen de détermination des éventuels impacts du changement climatique sur la variabilité du géopotentiel. Ici (figure 5) les phases sont établies par des composites de circulation, c'est-à-dire que plusieurs scores extrêmes sont comptabilisés pour représenter les régimes en phase positive et négative. Scandinavie - phase positive - Décembre 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 Méditerranée orientale - phase négative - Janvier 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 Oscillation Nord Atlantique - phase positive - Février 70 60 50 40 30 20 -60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60 Figure 5 : quelques composites de circulation du géopotentiel 500 hPa de la période simulée 2070-99. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Comme explicité plus haut, la représentation des circulations moyennes dominantes associées aux modes passe également par celle de ses phases, caractérisées par les années extrêmes identifiées par le biais des scores factoriels. Sur la figure 5, nous pouvons apercevoir que la région Nord Pas de Calais est soumise aux basses pressions. Configuration Fréquence occurrence (%) -2 ; -0,5 Fréquence occurrence (%) -0,5 ; 0,5 Fréquence occurrence (%) 0,5 ; 2 DECEMBRE Centre et sud-est Atlantique Oscillation nord Atlantique Est Atlantique-Ouest Russie Méditerranée orientale Scandinavie 26,67 (8) 20 (6) 20 (6) 40 (12) 30 (9) 36,67 (11) 56,67 (17) 56,67 (17) 26,67 (8) 36,67 (11) 30 (9) 16,67 (5) 16,67 (5) 30 (9) 30 (9) JANVIER Centre et sud-est Atlantique Oscillation nord Atlantique Est Atlantique-Ouest Russie Méditerranée orientale Méditerranée occidentale 33,33 (10) 33,33 (10) 26,67 (8) 23,33 (7) 33,33 (10) 43,33 (13) 40 (12) 40 (12) 50 (15) 36,67 (11) 16,67 (5) 23,33 (7) 33,33 (10) 20 (6) 30 (9) FEVRIER Voyons maintenant les fréquences d'apparition de quelques régimes. Les scores sont divisés en cinq classes. Le tableau 4 récapitule les fréquences propres à la simulation A2, excepté les extrêmes pour lesquels les scores sont supérieurs à 2 et inférieurs à -2. Centre et sud-est Atlantique Oscillation nord Atlantique Mer du Nord-Caspienne 43,33 (13) 33,33 (10) 33,33 (10) 30 (9) 36,67 (11) 33,33 (10) 23,33 (7) 26,67 (8) 33,33 (10) Tableau 4 : fréquences d'occurrence (en %) des régimes de circulation calculées à partir des scores propres, triées en trois classes. Entre parenthèses figure le nombre de score pris en compte dans la fréquence. Les configurations en italique sont celles pour lesquelles la tendance est significative. Le tableau 4 dévoile une forte occurrence des régimes appartenant à la classe intermédiaire (-0,5 ; 0,5), c'est-à-dire proche de l'état de la circulation moyenne. Cette technique permet d'appréhender les dynamiques atmosphériques agissant audessus de la fenêtre d'étude matérialisées sous forme de régimes de circulation. Ils représentent des situations atmosphériques singulières auxquelles correspondent des types de temps qui nous seront utiles lorsque nous engagerons l'aspect "modélisation de la qualité de l'air". En effet, la caractérisation de la variabilité atmosphérique du géopotentiel 500 hPa par des types de temps journaliers (issus des régimes) permet d'établir un lien direct avec les éventuelles variations de concentration de différents polluants générées par un changement du climat. Cette dernière étape nécessite la modélisation des processus physiques et chimiques de l'atmosphère. 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 Conclusion L'outil numérique décrit par les modèles de circulation générale couplé océan atmosphère est utilisé ici pour analyser les variables atmosphériques représentatives du géopotentiel 500 hPa sur une fenêtre Atlantico-européenne. Dans un premier temps, nous sommes intéressées au champ géopotentiel de la période 1960-89 tel qu'il est simulé par le modèle HadCM3 dans l'optique d'évaluer sa reproductibilité en le comparant aux réanalyses NCEP. Des analyses en composantes principales avec rotation servent à réduire la matrice de données en extrayant les variations spatiales prédominantes sous la forme de configurations atmosphériques en y associant leur histoire temporelle au cours de la période. Les fluctuations spatiales et temporelles de la circulation atmosphérique ont été testées révélant que dans l'ensemble les grandes structures spatiales caractérisant la variabilité de l'atmosphère sont similaires entre séries. Le modèle HadCM3 reproduit donc correctement la variabilité spatiale du géopotentiel 500 hPa sur notre domaine d'étude lors de la période hivernale 1960-1989. Cette conclusion est toutefois pondérée par une mauvaise capacité du modèle à reproduire les variations temporelles qui se produisent tout au long de la période d'étude. Les corrélations des scores entre les séries sont faibles et traduisent des différences significatives. Pour étudier les orientations climatiques futures sous forçage de gaz à effet de serre (scénario A2 du GIEC), une simulation décrivant le climat tel qu'il adviendrait au 21ème siècle (2070-2099) a été traitée et les schémas de variabilité prédominants spatialisés. En ce qui concerne la variabilité spatiale du champ géopotentiel 500 hPa tel qu'il se présenterait à la fin du siècle, une récurrence des structures spatiales est notée. Aucune nouvelle configuration n'a véritablement émergé. De façon succincte, les schémas sont similaires à ceux extraits à partir de la période actuelle. Les grandes tendances de l'évolution des pressions futures sur la fenêtre d'étude ont également été déterminées. Ainsi les régimes de circulation simulés par le modèle HadCM3 exposent majoritairement des tendances à la hausse. Cinq d'entres elles sont significatives d'après le test de Kendall, toutes positives. Enfin, les fréquences d'apparition des régimes de circulation affichent une occurrence élevée de régimes agissant de façon semblable à la circulation moyenne (classe rassemblant les scores compris entre -0,5 et 0,5). Bibliographie [1] IPCC. Climate Change 2007 : The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2007, 996 pp. [2] Solman S.A., Le Treut H. Climate change in terms of modes of atmospheric variability and circulation regimes over southern South America, Climate Dynamics, 2006, 26 : 835-854 [3] Kalnay E., Kanamitsu M., Kistler R., et al. The NCEP/NCAR 40-year reanalysis project, Bulletin of the American Meterological Society, 1996, 77 : 437-472 [4] Gordon C., Cooper C., Senior C.A., et al. The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Centre coupled model without flux adjustments, Climate Dynamics, 2000, 16 : 147-168 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010 [5] Collins M., Tett S.F.B. and Cooper C. The internal climate variability of HadCM3, a version of the Hadley Centre coupled model without flux adjustments, Climate Dynamics, 2001, 17 : 61-81 [6] Johns, T.C.; Gregory, J.M.; Ingram, W.J., et al. IPCC-DDC_HADCM3_SRES_A2: 150 YEARS MONTHLY MEANS Hadley Centre for Climate Prediction and Research - UK Met Office. World Data Center for Climate, 2004. [doi: 10.1594/WDCC/HADCM3_SRES_A2] [7] Pope V.D., Gallani M.L., Rowntree P.R. and Stratton R.A. The impact of new physical parametrizations in the Hadley Centre climate model : HadAM3, Climate Dynamics, 2000, 16 : 123-146 [8] Sneyers R. On the statistical analysis of series of observation. WMO, 1990, Technical Note n° 143, Geneve [9] Richman M.B. Rotation of principal component, Journal of Climatology, 1986, 6 : 293-335 [10] Barnston A.G., Livezey R.E. Classification, seasonality and persistence of lowfrequency atmospheric circulation patterns, Monthly Weather Review, 1987, 115 : 1083-1126 [11] Wallace J.M., Gutzler D.S. Teleconnections in the geopotential height field during the northern hemisphere winter, Monthly Weather Review, 1981, 109 : 784812 [12] Norrant C. Tendances pluviométriques indicatrices d'un changement climatique dans le Bassin méditerranéen de 1950 à 2000. Etude diagnostique, Thèse de doctorat de l'Université Aix-Marseille I, 2004, 261 p. et annexes [13] Kutiel H., Benaroch Y. North Sea-Caspian pattern (ACP) – an upper level atmospheric teleconnection affecting the eastern Mediterranean : identification and definition, Theoretical and Applied Climatology, 2002, 71 : 17-28 6 ème édition des Journées Interdisciplinaires de la Qualité de l’Air 4 & 5 février 2010