Météorologie, saisons et climat : une nouvelle donne
Depuis maintenant une vingtaine d’années, Météo-France produit des prévisions au-delà des échelles temporelles classiques de la prévision météorologique. Ces prévisions saisonnières sont probabilistes, et visent à fournir une information sur les anomalies du climat dans les semaines et mois à venir. Elles s’appuient sur un modèle de climat global, très proche du modèle servant aux projections climatiques qui alimentent les travaux du GIEC.
Des prévisions météorologiques de qualité permettent la mise en œuvre d’actions préventives pour la sécurité des personnes et des biens. Disposer d’une information fiable plusieurs semaines ou mois à l’avance permettrait d’anticiper certains risques (saison plus chaude ou sèche que les années précédentes, possibilité d’un nombre accru de jours chauds…) et de concevoir des stratégies afin d’atténuer ceux-ci. Malheureusement, la nature fortement chaotique de l’atmosphère rend illusoire de prévoir l’évolution de l’atmosphère à l’aide des modèles numériques déterministes de prévision du temps au-delà de dix, quinze jours. En effet, une différence infinitésimale entre deux états initiaux de l’atmosphère entraîne une divergence des solutions numériques dans ce délai : il est impossible de distinguer les deux prévisions de deux autres champs atmosphériques pris au hasard parmi d’autres années.
“La nature fortement chaotique de l’atmosphère rend illusoire
une prévision du temps au-delà de dix, quinze jours”
Une prévision de nature probabiliste
Cet « effet papillon », démontré par E. Lorenz dans les années 1960, présente toutefois un avantage : à partir de petites perturbations de champs tridimensionnels de l’atmosphère, on peut générer des ensembles de prévision qui permettront d’évaluer l’incertitude aux plus longues échelles. Chaque intégration, ou membre de l’ensemble, représente ainsi une évolution possible de l’atmosphère au cours du mois ou la saison à venir. La prévision devient alors probabiliste, et, à l’échelle de la saison, on ne considérera pas la chronologie d’événements, mais plutôt les statistiques caractérisant le climat de la saison à venir (moyenne, écart type, densité de probabilité, etc.).
Selon l’échéance de prévision, on pourra affiner la fenêtre temporelle d’étude. La prévision infra-saisonnière, dite « S2S » pour subseasonal-to-seasonal, s’intéresse aux anomalies aux échelles de la semaine ou de la quinzaine de jours. D’un mois à six mois d’échéance, on s’attachera à donner une information à l’échelle d’une saison de trois mois.
Ces prévisions climatiques aux échelles mensuelles, saisonnières et décennales prennent la forme de probabilités, en prenant comme référence une climatologie des vingt à trente dernières années.
Comment prévoir ?
Si les conditions initiales et les mathématiques jouent un rôle important, la bonne représentation de la physique demeure essentielle : les principales sources de prévisibilité aux échelles du mois à la saison proviennent de compartiments du système Terre aux dynamiques plus lentes, tels l’océan, la cryosphère ou les surfaces continentales. Les prévisions statistiques ayant trouvé leurs limites, il faut utiliser un modèle numérique représentant l’évolution conjointe de chacune de ces composantes clés. C’est le cas à Météo-France, où les systèmes de prévision saisonnière s’appuient sur le modèle couplé de climat CNRM-CM, développé conjointement par le Centre national de recherches météorologiques et le Centre européen de recherche et de formation avancée en calcul scientifique (Cerfacs), et regroupant des modules développés par différents partenaires de recherche.
De telles prévisions du climat, infrasaisonnières à décennales, sont réalisées en initialisant le modèle couplé en temps réel, et sur des « re-prévisions » de saisons passées. Celles-ci fournissent à la fois une évaluation des performances du modèle sur les années et cas passés, et permettent de communiquer les prévisions sous forme d’anomalies des distributions de probabilité.
“La cryosphère terrestre et marine peut également fournir au climat
une certaine prévisibilité”
Le phénomène El Niño
Impossible de parler de prévision saisonnière sans évoquer le phénomène d’El Niño et l’oscillation australe (ENSO). Ce phénomène de dynamique tropicale est parmi les mieux prévus par les systèmes actuels de prévision saisonnière (avec un taux de succès de la prévision de la phase du phénomène avoisinant les 90 % pour la saison d’hiver sur les cas passés). Les anomalies de température de surface de l’océan et de position des zones de convergence qui y sont associées impriment sur l’atmosphère une signature durable sur l’ensemble du Pacifique et au-delà, quoique de façon plus confuse, par téléconnexions atmosphériques et océaniques. Les effets sur l’Atlantique sont moins systématiques et fortement modulés par la variabilité naturelle du climat aux échelles plus longues, mais la survenue d’un phénomène El Niño permet tout de même une prévisibilité accrue sur de nombreuses parties du globe.
La cryosphère terrestre et marine peut également fournir au climat une certaine prévisibilité, en infléchissant fortement les échanges radiatifs entre la surface terrestre ou océanique et l’atmosphère. Plusieurs travaux suggèrent que la couverture de glace des mers de Barents et Kara en octobre peut influencer la circulation atmosphérique sur l’hémisphère Nord et impacter le temps des moyennes latitudes. Les courroies de transmission de tels phénomènes sont encore à explorer, et mal représentées dans les modèles actuels de climat.
Des Açores à l’Islande
Pour la saison estivale à nos latitudes, des travaux récents suggèrent un rôle des conditions d’humidité du sol dans l’amplification ou l’atténuation de certaines vagues de chaleur, lesquelles sont liées aux débits des rivières et donc au stock nival. Là encore, les modèles actuels de prévision du climat montrent certaines limites, en particulier en raison de leur initialisation qui reste perfectible. Les progrès viendront de la disponibilité de données télédétectées d’humidité du sol superficielle et d’une meilleure modélisation des couches plus profondes.
Plus pertinent encore aux moyennes latitudes, le phénomène d’oscillation Nord-Atlantique caractérise la force relative de l’anticyclone des Açores et de la dépression d’Islande. Les systèmes de prévision saisonnière opérationnels montrent des capacités prometteuses à en prévoir l’état en hiver. Pour les autres saisons, les performances sur la France métropolitaine restent très limitées, et des méthodes d’ajustement statistique des prévisions sont primordiales pour en extraire une information fiable.
L’évaluation des prévisions : un exercice délicat
Les prévisions sont associées à des jeux de re-prévisions initialisées aux mêmes dates mais sur un ensemble d’années passées. Ces re-prévisions permettent à la fois d’évaluer les performances du système et de calibrer les prévisions de manière à corriger les biais et la distribution des membres. La principale limite de cette approche est le faible nombre d’années disponibles, et donc la taille insuffisante de l’échantillon statistique : les réanalyses globales – elles-mêmes perfectibles – utilisées pour l’initialisation et l’évaluation des prévisions sont limitées aux quarante dernières années, après l’avènement des premiers satellites météorologiques. Il en résulte de grandes incertitudes dans ces évaluations statistiques et les corrections qui en découlent.
Le système terrestre est complexe et il est en outre en transition considérable. Des travaux récents suggèrent que la prévisibilité elle-même a pu être modulée au cours du XXe siècle par la variabilité multidécennale de certains modes climatiques. Ainsi, le phénomène d’oscillation Nord-Atlantique serait depuis vingt ans plus prévisible que par le passé. À cela s’ajoutent bien évidemment les changements du climat liés aux activités humaines, qui, sur certaines régions, sont considérables (d’un ordre de grandeur similaire ou supérieur à celui de la variabilité naturelle) et rendent ces approches de calibration des prévisions particulièrement délicates. À titre d’exemple, le rythme actuel de la fonte de la banquise en Arctique implique qu’une correction statistique des prévisions de couverture de banquise ne peut être faite directement à partir de prévisions passées…
Dès lors, on ne peut s’appuyer uniquement sur les corrections statistiques pour pallier les déficiences des modèles actuels. D’autres approches permettent de compenser leurs erreurs, comme la prévision multi-modèle. Mais la recherche fondamentale sur les mécanismes du temps et du climat demeure essentielle si nous voulons espérer percevoir notre avenir.
“L’intelligence artificielle
pourra également
contribuer à l’amélioration des modèles”
Répondre aux attentes des utilisateurs
L’initiative Climate Change Service du programme Copernicus de la Commission européenne, déléguée au Centre européen pour les prévisions météorologiques à moyen terme, comporte depuis 2016 une composante de prévision saisonnière et regroupe les prévisions en temps réel et les re-prévisions de 5 centres européens, dont Météo-France. Cela permet d’unir plusieurs systèmes en un grand ensemble multisystème, et ainsi de tenir compte des incertitudes intrinsèques à chaque système de modélisation. On accorde ainsi plus d’importance et de fiabilité à un signal cohérent entre plusieurs systèmes.
Cette prévision multisystème est le fruit de nombreuses années de collaboration des laboratoires de recherche et d’instituts météorologiques nationaux et européens, notamment dans le cadre de projets de recherche européens tels Demeter ou Ensembles, auxquels Météo-France a activement participé. Elle est critiquement dépendante des observations globales faites aujourd’hui, ainsi que de la recollecte d’observations du passé, mais aussi, de façon déterminante, de la puissance de calcul disponible chez chacun des membres pour faire tourner des ensembles suffisants de modèles réalistes.
Prévisions et big data
L’arrivée de ces nombreuses données s’accompagne d’un essor des services météo-climatiques associés, dans de multiples secteurs comme la gestion de l’eau, l’agriculture, l’énergie, le tourisme ou encore la santé. Même si les performances des prévisions sont limitées, elles permettent d’apporter une information supérieure à l’utilisation de normales climatiques dans de nombreuses régions du globe. Cela permet d’améliorer la fiabilité des informations fournies par les modèles d’impact, et ainsi de favoriser l’adaptation de nombreux secteurs socio-économiques, dans le cadre d’un climat en évolution.
L’intérêt des utilisateurs ne se cantonne pas uniquement à l’échelle du mois à l’année, l’information demandée doit souvent couvrir un continuum d’échelles allant des échéances déterministes (la semaine) à l’année, voire au-delà. Un grand défi des services météo-climatiques consiste à exploiter les différentes sources d’information disponibles afin de fournir des informations à la fois cohérentes et fiables à chacune de ces échelles.
Une « météo folle » ?
Au sortir de l’hiver, et tant que l’été n’est pas installé, il est fréquent que la température joue aux montagnes russes.
Ce fut particulièrement le cas depuis le début de 2019, où les observations de Météo-France confirment cette perception d’une forte variabilité. Après un début d’année contrasté, alternant entre épisodes de chaleur remarquables de fin février ou gelées en mai dans le Sud-Ouest, le mois de l’été n’a pas été en reste, avec des chaleurs exceptionnelles. Que penser de ces phénomènes ? Qu’en disent les climatologues ?
En premier lieu, pour commenter l’actualité météorologique, ils rappellent que l’alternance de périodes froides et chaudes au printemps sous nos latitudes est… la caractéristique du printemps, saison de contrastes et de transition entre l’hiver et l’été. Ils s’appuient pour cela sur une cohorte d’indices et d’indicateurs.
Perspectives
L’augmentation des ressources de calcul liée à un gain de performance des supercalculateurs utilisés en météorologie et climat rend possible la réalisation de prévisions à des résolutions horizontales et verticales accrues, cela afin de mieux représenter les phénomènes physiques atmosphériques et océaniques. Toutefois, les progrès sur ce plan dépendront de la capacité des centres de recherche à développer des modèles numériques adéquats pour résoudre ces plus fines échelles avec un modèle global, tout en en gommant les sources d’erreurs systématiques.
En parallèle d’un accroissement de la résolution, la taille des ensembles pourra également être étendue afin de réduire les incertitudes des prévisions et améliorer leur rapport signal sur bruit. Enfin, l’initialisation des modèles à partir de systèmes couplés assimilant un plus grand nombre d’observations sur une période longue, de manière cohérente entre re-prévisions et prévisions en temps réel, limitera les discordances des distributions de probabilité et améliorera la fiabilité des informations.
Nouvelles voies
L’intelligence artificielle pourra également contribuer à l’amélioration des modèles ainsi qu’à une meilleure adaptation statistique des prévisions, notamment en émulant un plus grand nombre de membres de la prévision d’ensemble. Cela nécessitera toutefois une base de données d’apprentissage conséquente, un des objectifs des initiatives actuelles de prévision multimodèle comme S2S ou Copernicus Climate Change Service.
Le développement et l’intégration de nouvelles composantes modélisant un plus grand éventail de processus qui régissent l’évolution de notre planète Terre, comme la biogéochimie marine, l’utilisation des sols et l’anthropisation des milieux, ou encore la composition atmosphérique, sont également des voies prometteuses pour le développement de la prévision du climat aux échelles infrasaisonnières à décennales.
Détection et attribution des événements climatiques
Est-il possible de dégager des évolutions climatiques lorsque la météo connaît de telles variations ? La réponse est, depuis plusieurs décennies, positive pour les températures : depuis le début des années 1960, le réchauffement sur la France est de l’ordre de 1,5 °C, soit la différence de température moyenne annuelle entre Paris et Toulouse. Des changements de précipitations, en quantité et en régime, ont également été mis en évidence – on parle de « détection » – dans plusieurs régions, avec notamment une augmentation des pluies intenses dans le Sud-Est.
Une question plus délicate est de faire le lien entre un événement météorologique ou climatique donné et le changement climatique – c’est l’« attribution ». Dans l’absolu, on ne peut jamais affirmer qu’un événement isolé, fût-il exceptionnel, est lié au réchauffement climatique. Même en précisant que la multiplication de tels événements est bien imputable au réchauffement climatique, une telle réponse, bien qu’exacte, laisse généralement les médias ou les décideurs sur leur faim.
Allier statistiques et modélisation
Une nouvelle approche consiste à quantifier dans quelle mesure l’évolution climatique en cours modifie la probabilité d’un événement donné. Ainsi, en alliant méthodes statistiques et modélisation, Météo-France a montré qu’une canicule telle que celle de fin juin 2019 a aujourd’hui environ 30 fois plus de risques de se produire qu’il y a un siècle. Un tel exercice nous permet également d’avoir un aperçu de ce que pourrait être la météo future dans un contexte de changement climatique. Ainsi, la période de retour d’un mois de juin aussi chaud qu’en 2017 sur la France métropolitaine est de l’ordre de vingt ans pour le climat de la fin des années 2010, mais se réduit à dix ans pour le climat des années 2030 et cinq ans pour 2050.
Quant aux vagues de froid, bien que cela puisse paraître un peu paradoxal compte tenu du réchauffement climatique, elles continueront certainement à ponctuer les hivers au cours des décennies à venir, mais devraient être de moins en moins intenses. Il est également possible d’estimer l’évolution future d’événements météorologiques très localisés comme les orages (ainsi que la grêle et les vents associés) ou les pluies extrêmes. Cela passe notamment par des outils de modélisation de nouvelle génération comme le modèle de prévision du temps Arome de Météo-France, qui, utilisé à une résolution de l’ordre du kilomètre, a une excellente capacité à anticiper les événements météorologiques à fort enjeu. Les premières simulations longues du climat récent réalisées avec Arome montrent notamment une très bonne représentation des pluies extrêmes d’automne sur le pourtour méditerranéen, et les simulations du climat des prochaines décennies nous permettront de mieux appréhender la météo du futur.
