Evaluation des simulations climatiques sur la variabilité du

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