Météorologie, saisons et climat : une nouvelle donne

Dossier : La météorologie partie 2Magazine N°748 Octobre 2019
Par Lauriane BATTÉ (2004)
Par David SALAS Y MELIA (91)

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”
Connectez-vous pour lire la suite.
Se connecter S’enregistrer