Améliorer les modèles du climat mondial

La physique du système climatique est incomplètement connue, aussi chaque groupe de modélisation du climat représente les processus de manière différente. Ceci engendre des différences et des incertitudes dans les prévisions du climat.

Pour améliorer l'exactitude des prévisions saisonnières, le projet CLIMITS («Performance and usefulness of climate predictions: Beyond current limitations»), financé par l'UE, a utilisé conjointement plusieurs modèles de prévisions en réduisant leurs ambiguïtés. Il a pour cela appliqué la méthode MME (multi-model ensemble), qui associe plusieurs modèles pour générer des prévisions.

Les partenaires du projet ont intégré deux MME de prévisions saisonnières, conçus séparément par un groupe ciblant la région européenne (ENSEMBLES) et un autre visant la région Asie-Pacifique (CliPAS/APCC). Ils ont ensuite évalué toutes les combinaisons possibles des 5 modèles d'ENSEMBLES et des 11 de CliPAS/APCC.

Ces travaux ont conduit au «grand MME ENSEMBLES-CliPAS/APCC», qui améliore considérablement les prévisions du climat par rapport aux estimations précédentes. Les évaluations ont montré que le groupement optimal de systèmes de prévisions saisonnières se fait en combinant des modèles ENSEMBLES et CliPAS/APCC.

Les chercheurs ont évalué le lien entre les performances et le biais des combinaisons du grand MME, puis ils ont évalué plus avant les performances dans la région euro-méditerranéenne et en Asie de l'Est. Il s'agissait entre autres de la capacité à prévoir les irrégularités durant la mousson d'été en Inde et durant l'été boréal. Les résultats montrent que la combinaison de systèmes de prévisions saisonnières à partir de MME indépendants est une bonne stratégie pour s'affranchir des limitations des prévisions saisonnières.

Le projet CLIMITS a révélé les problèmes des prévisions par les MME proposés par les systèmes météorologiques de l'Europe et de la région Asie-Pacifique. Ses résultats devraient aider les organisations intéressées par les données climatiques à concevoir des méthodes MME visant de meilleures prévisions saisonnières et apportant des informations plus fiables.