Modélisation régionale du climat - Scénarios climatiques à l'échelle de l'Europe et de la France

Modélisation régionale du climat - Scénarios climatiques à l’échelle de l’Europe et de la France Samuel SOMOT CNRM, [email protected] Université de Toulouse, Météo-France, CNRS, Toulouse, France Lien permanent du cours : https://doi.org/10.5281/zenodo.4586910 Film pédagogique, Climat Europe 2050 : https://youtu.be/64xNugjI6jc Film pédagogique, Incertitudes dans les Projections : https://vimeo.com/85531294 Plan 1) Qu’est-ce que la modélisation régionale du climat ? –Information climatique régionale issue des modèles globaux de climat (GCM) –Faiblesses des GCMs –Motivations pour les modèles régionaux de climat (RCM) –Définition, forces et limites des RCMs –Quelques exemples d’utilisation des RCMs 2) Comment obtenir des informations climatiques fines et fiables ? –Incertitudes dans les projections futures du climat régional –CORDEX, grand programme international coordonné –Comment combiner au mieux GCM et RCM ? –Illustrations du changement climatique pour l'Europe et la France 3) Conclusions 4) [Annexe] –Synthèses régionales du 6ème rapport du GIEC –Liens utiles Information climatique régionale issue des GCMs Scénario SSP2-4.5, 2081-2100 vs 1995-2014, 34 GCMs Moyenne des modèles CMIP6 6ème rapport du GIEC, WGI, Atlas Interactif, 2021 Changement de température de surface (°C) HIVER ETE 1 0 2 3 4 5 1 -1 -2 -3 -4 -5 Europe : le 6ème rapport confirme les rapports TAR, AR4, AR5 IPCC-AR6, 2021, Scénario SSP2-4.5, 34 GCMs Changement de température de surface (°C, Eté, Fin du 21ème siècle versus fin du 20ème siècle) IPCC-TAR, 2001 Scenario A2 IPCC-AR4, 2007 Scenario A1B 21 GCMs IPCC-AR5, 2013 Scenario RCP4.5 42 GCMs Information climatique régionale issue des GCMs Scénario SSP2-4.5, 2081-2100 vs 1995-2014, 32 GCMs Moyenne des modèles CMIP6 6ème rapport du GIEC, WGI, Atlas Interactif, 2021 Changement de précipitation (%) HIVER ETE 0 20 30 40 10 -10 -20 -30 -40 Europe : le 6ème rapport confirme les rapports TAR, AR4, AR5 IPCC-AR6, 2021, Scénario SSP2-4.5, 32 GCMs Changement de précipitation (%, Eté, Fin de 21ème siècle) IPCC-TAR, 2001 Scenario A2 IPCC-AR4, 2007 Scenario A1B 21 GCMs IPCC-AR5, 2013 Scenario RCP4.5 42 GCMs Relation changement climatique régional versus global Chgt de température et précipitation (°C, %, Europe Centrale, JJA) Valeurs, terre seule +2.7°C Chgt de température (°C, ref : 1850-1900, JJA, Global Warming Level=2°C) 6ème rapport du GIEC, 2021 JJA 0 2 3 4 5 1 -1 -2 -3 -4 -5 +3.0°C +3.2°C Conclusion intermédiaire (1) Les modèles globaux de climat (GCM) peuvent fournir des informations régionales pertinentes sur le changement climatique à venir incluant certains évènements extrêmes • Les GCMs sont les outils de modélisation les plus courants pour étudier la variabilité climatique passée et projeter le changement climatique futur (exercices CMIP, rapports du GIEC) • Les ensembles de GCMs tiennent compte des différentes sources d'incertitude dans les projections • Les projections futures du changement climatique Euro-Méditerranéen montrent un bon accord entre les modèles depuis plusieurs rapports du GIEC (ce qui n'est pas le cas sur toutes les régions du globe) • Les GCMs permettent également d’expliquer les raisons physiques des changements prévus, de lier changement global et régional Quelles sont les faiblesses des modèles globaux de climat pour informer sur les changements climatiques régionaux ? Qu’est-ce qu’un modèle régional de climat ? Zone centrale ou physique (utile) Zone de relaxation Domaine Med-CORDEX Modèle à aire limitée Qu’est-ce qu’un modèle régional de climat ? Forçages aux bords: conditions aux frontières latérales (vent, température, humidité, pression) Forçages en surface: conditions aux frontières de surface (température de la mer, couverture de glace de mer, topographie, usage et composition des sols) Forçages internes (GHG, aerosols, soleil) Modèle à aire limitée Domaine Med-CORDEX Utilisation des Modèles Régionaux de Climat Quelles utilisations ? - Approche en modèle parfait: étude académique, variabilité interne - Approche en frontière parfaite (pilotage par des réanalyses globales): développement, évaluation, valeur ajoutée, étude de sensibilité, étude de la variabilité passée, réanalyses régionales → simulations dites « hindcast » ou « évaluation », chronologie réelle - Approche en mode scénario (pilotage par un GCM): étude changement climatique régional, évolution des phénomènes climatiques régionaux → simulations dites historiques et scénarios ou projections, chronologie aléatoire Quels utilisateurs ? - Chercheurs en climat - Chercheurs d'autres domaines influencés par le climat: hydrologie, océanographie côtière, surface continentale, cryosphère, santé, écosystèmes, tourisme, énergie, ... - Services climatiques: expertise, support à la décision, adaptation Simulation en mode historique et scenario Simulation RCM Simulation GCM Scénario socio-économique sorties forçages internes (GHG, soleil) forçages de surface forçages latéraux conditions initiales forçages internes (aérosols) Simulation en mode historique et scenario forçages internes + forçages de surface + forçages latéraux 1950 2050 2100 Sorties du modèle Now Conditions initiales Spin-up Echelles spatiales des GCMs et des RCMs Source: S. Somot Echelles spatiales des GCMs et des RCMs Source: S. Somot Valeur ajoutée potentielle des RCMs mais aussi possibles incohérences Valeur ajoutée potentielle des RCMs Evaluation des RCMs : climat moyen Température moyenne (°C, Hiver : DJF, 1961-1990) Référence Modèle RCM Source : Michel Déqué, CNRM Produit grillé à partir d'observations station SAFRAN, 8 km ALADIN-Climat 12 km Evaluation des RCMs : statistiques quotidiennes Diagramme quantile-quantile pour Paris (1960-1989, données quotidiennes) RCM observations Température minimale d'Hiver (DJF, °C) Source: Michel Déqué, CNRM Evaluation des RCMs : évènements extrêmes Extrêmes de précipitations horaires (mm/h, SOND,1997-2016, evaluation, Q99.9, grille commune à 12km) Caillaud et al. 2021, * : aussi appelé CPRCM (ou CPM) pour convection-permitting RCM OBS@1km [email protected]* RCMs complexes : source de nouvelles informations Canicules océaniques au large de Marseille (5.375°E, 42.875°N) CNRM-RCSM6 GWL=1°C (2007-2026) CNRM-RCSM6 GWL=4°C (2070-2089) Canicules observées en 2022 Sévérité S. Somot, S. Darmaraki, F. Sevault, MHW tracker, Med-CORDEX simulations RCM : outils pour comprendre les tendances passées Tendance de rayonnement solaire descendant en surface (1980-2009, W/m2/decade) Nabat et al. 2014 (W/m²/decade) Observation (GEBA, AEMET) - La simulation avec tendance des aérosols (TRANS) représente mieux les tendances observées (corr : 0.10 → 0.42) - La tendance des aérosols anthropiques expliquent 81% de la tendance passée du rayonnement et 23% de la tendance passée du réchauffement sur l’Europe 1980 2000 Profondeur optique des aérosols Changement de température en été pour une paire GCM-RCM (JJA, °C, RCP8.5, 2071-2100 vs 1976-2005) RCM (12 km) GCM (150km) Source : C. Dubois, CNRM-CM5, CNRM-ALADIN52, Med-CORDEX Les RCMs peuvent-ils modifier le signal du changement climatique futur ? Les RCMs peuvent-ils modifier le signal du changement climatique futur ? Changement de température à Gavarnie en fonction de l’échelle d’agrégation spatiale (moy. annuelle, °C, RCP8.5, 2071-2100 vs 1971-2000, à 0°E - 42.7°N, Pyrénées, France) Source : A. Doury, CNRM-CM5@150km, CNRM-ALADIN63@12km, Euro-CORDEX GCM (150km) échelle d’agrégation (km) Cohérence à grande échelle Incohérence à petite échelle Valeur ajoutée potentielle changement de température (°C) 5 GCMs, 6 RCMs à 12km (Med-CORDEX, Euro-CORDEX) Giorgi et al. 2016, Nature Geosciences RCMs (12 km) GCMs (150km) Changement de précipitations (RCP8.5, JJA, 2071-2100 vs 1976-2005, %) Les RCMs peuvent-ils modifier le signal du changement climatique futur ? Les RCMs peuvent-ils modifier le signal du changement climatique futur ? Chgt de température (°C) - 24 pairs GCM-RCM - Euro-CORDEX, 12 km - RCP8.5 - 2070-2099 vs 1970-1999, JJA - Europe, sur terre seulement - 42°N-52°N, 5°W-30°E GCM RCM GCM RCM Changement de température en été (°C) Principaux défauts des RCMs - La grande échelle du RCM peut diverger de celle du GCM (variabilité interne, incohérence des forçages, incohérence de physique) - L'information du RCM n'agit pas sur le GCM (emboitement unidirectionnel) - La totalité du domaine n'est pas toujours utilisable (spin-up spatial, incohérence aux frontières sortantes) - Pour un forceur donné, les résultats dépendent du RCM choisi (incertitude) - Le RCM hérite des défauts de grande échelle du GCM Spin-up spatial Variabilité interne Conflit à la frontière sortante Information manquante Petite échelle inadequate Incohérence GCM-RCM Conclusion intermédiaire (2) Les modèles régionaux de climat (RCM) apportent une valeur ajoutée par rapport aux GCMs pour décrire le climat régional et en particulier certains évènements extrêmes • Les RCMs sont construits sur les mêmes équations et hypothèses que les GCMs. Un RCM peut être vu comme un zoom de son GCM forceur. • Les RCMs tirent essentiellement leur valeur ajoutée d’une plus haute résolution spatio-temporelle (turbulence, relief, trait de côte, forçages). • Les RCMs ne sont pas parfaits, ils ajoutent un niveau de complexité supplémentaire, donc une nouvelle source d’incertitude. • Les RCMs sont dépendants de la qualité de leur modèle forceur. « garbage in, garbage out » (F. Giorgi) Que dit le GIEC ? « Les résultats des initiatives régionales coordonnées de modélisation du climat, telles que CORDEX, complètent les modèles climatiques globaux de l’exercice CMIP et apportent une valeur ajoutée, en particulier dans les zones à topographie complexe, les zones côtières et les petites îles, ainsi que pour les phénomènes extrêmes. » (IPCC-AR6, WGI, TS-16) « Certains signaux du changement climatique projetés par les GCMs sont modifiées par les RCMs [...] la température, les précipitations, les vents, [...] le rayonnement de surface. » (IPCC-AR6, WGI, Atlas-Europe) Comment obtenir des informations sur le changement climatique régional à la fois fiables et à fine échelle en combinant au mieux les GCMs et les RCMs ? Les simulations de scénario, EURO-CORDEX, 12 km Matrice GCMxRCM pour le RCP8.5 (78 simulations) Source : Euro-CORDEX, projet C3S_34b_lot2 Un grand ensemble à haute résolution : 137 simulations, 3 RCPs, 10 GCMs, 13 RCMs NB : 28 GCMs CMIP5 disponible Comment bien utiliser cet ensemble d’opportunité ? Option1 : Démocratie des modèles Option2 : Sous-échantillonnage intelligent Option3 : Une histoire plausible du futur Option4 : Approche hybride statistico-dynamique Les simulations de scénario, EURO-CORDEX, 12 km Matrice GCMxRCM pour le RCP8.5 (78 simulations) Source : Euro-CORDEX, projet C3S_34b_lot2 Un grand ensemble à haute résolution : 137 simulations, 3 RCPs, 10 GCMs, 13 RCMs NB : 28 GCMs CMIP5 disponible Comment bien utiliser cet ensemble d’opportunité ? Option1 : Démocratie des modèles Option2 : Sous-échantillonnage intelligent Option3 : Une histoire plausible du futur Option4 : Approche hybride statistico-dynamique Changement de température (moy. annuel, °C, 2036-2065 vs 1981-2010) Source : Euro-CORDEX, projet C3S_34b_lot2, R. Vautard Données : 11 GCMs, 9 RCMs, 34 simulations, Euro-CORDEX, 12km, RCP8.5 La démocratie des modèles : « un modèle, un voix » Changement de température (°C, 2071-2100 vs 1981-2010, RCP8.5) 8 GCMs (dont CNRM-CM5), 11 RCMs (dont CNRM-ALADIN53 et CNRM-ALADIN63), 55 simulations à 12km de résolution pour le scénario RCP8.5 Source : Euro-CORDEX, Coppola et al. (2020) Hiver (DJF) Eté (JJA) Changement de précipitation (%, 2071-2100 vs 1981-2010, RCP8.5) 8 GCMs (dont CNRM-CM5), 11 RCMs (dont CNRM-ALADIN53 et CNRM-ALADIN63), 55 simulations à 12km de résolution pour le scénario RCP8.5 Source : Euro-CORDEX, Coppola et al. (2020) Hiver (DJF) Eté (JJA) Evolution des épisodes méditerranéens de pluie intense Evolution future des caractéristiques des systèmes les plus intenses (%, 2090-2099 vs 1996-2005, RCP8.5) Sélection des plus intenses: trajectoires avec une intensité maximale > Q97 de l’intensité maximale en historique pour chaque modèle (de 33 à 76 mm/h) - Utilisation du premier ensemble de simulations climatiques kilométriques - Augmentation de la fréquence d’occurrence - Episodes plus courts et plus intenses - Pas de conclusions robustes pour la surface, le volume ou la vitesse - Une importante dispersion inter-modèle Les simulations de scénario, EURO-CORDEX, 12 km Matrice GCMxRCM pour le RCP8.5 (78 simulations) Source : Euro-CORDEX, projet C3S_34b_lot2 Un grand ensemble à haute résolution : 137 simulations, 3 RCPs, 10 GCMs, 13 RCMs NB : 28 GCMs CMIP5 disponible Comment bien utiliser cet ensemble d’opportunité ? Option1 : Démocratie des modèles Option2 : Sous-échantillonnage intelligent Option3 : Une histoire plausible du futur Option4 : Approche hybride statistico-dynamique Sous-échantillonnage intelligent de la matrice : DRIAS-2020 • Facilité l’utilisation de l’ensemble • Garder uniquement les GCMs et RCMs réalistes • Maximiser la dispersion du signal de changement climatique • Favoriser la diversité des GCMs et RCMs choisis et leur cohérence • Obtenir un ensemble GCM-RCM équilibré Critères de sélection des GCMs sur l’Europe EC-EARTH CNRM-CM5 IPSL-CM5A-MR MPI-ESM-LR NorESM HadGEM Changement de température en France (°C, annuel, 2070-2099 vs 1981-2010, RCP8.5) Source : McSweeney et al. 2015, S. Somot, L. Corre Les simulations de scénario, DRIAS-2020 Source : L. Corre, S. Somot, DRIAS-2020 2 RCMs par GCM, chaque RCM utilisé au plus 2 fois Sous-échantillon de la matrice GCMxRCM, RCP8.5 (12 simulations) Un grand ensemble à haute résolution : 137 simulations, 3 RCPs, 10 GCMs, 13 RCMs Température à 2 mètres en Eté (°C, JJA, RCP8.5) Médiane de l'ensemble DRIAS-2020 après correction statistique (ADAMONT) 1976-2005 12 simulations GCM/RCM 6 GCMs : EC-EARTH, CNRM-CM5, HadGEM2-ES, MPI-ESM-LR, IPSL-CM5A-MR, NorESM 8 RCMs : CCLM4-8-17, RACMO22E, REMO, RCA4, HIRHAM5, ALADIN63, WRF381P Source : DRIAS-2020, Euro-CORDEX, ADAMONT, SAFRAN, 12 simulations GCM/RCM Choix d’une histoire future plausible ou « storyline » • L’été 2022 à Toulouse : analogue du futur ? • Illustration didactique d’un futur plausible sans lui attribuer de probabilité Nombre de jours très chauds (T>35°C) Choix d’une histoire future plausible ou « storyline » • L’été 2022 à Toulouse : analogue de futur ? • Illustration didactique d’un futur plausible sans lui attribuer de probabilité • Sélection : 2 scénarios contrastés, sensibilité climatique moyen, bon sur le passé Nombre de jours très chauds (T>35°C) Source : L. Corre (domaine France, grille SAFRAN, non corrigées) Changement climatique en été (2071-2100 vs 1976-2005, JJA, RCP8.5) Nombre de jours très chauds (> 35°C) Source : Station observation Blagnac Nombre de jours très chauds (> 35°C) Source : Station observation Blagnac Nombre de jours très chauds (> 35°C) Source : DRIAS-2020, Euro-CORDEX, ADAMONT, SAFRAN, HadGEM, RegCM, RCP2.6 Nombre de jours très chauds (> 35°C) Source : DRIAS-2020, Euro-CORDEX, ADAMONT, SAFRAN, HadGEM, RegCM, RCP8.5 Les simulations de scénario, Euro-CORDEX, 12 km Matrice GCMxRCM pour le RCP8.5 (78 simulations) Source : Euro-CORDEX, projet C3S_34b_lot2 Un grand ensemble à haute résolution : 137 simulations, 3 RCPs, 10 GCMs, 13 RCMs NB : 28 GCMs CMIP5 disponible Comment bien utiliser cet ensemble d’opportunité ? Option1 : Démocratie des modèles Option2 : Sous-échantillonnage intelligent Option3 : Une histoire plausible du futur Option4 : Approche hybride statistico-dynamique Estimation équilibrée du changement climatique : utilisation d’une méthode statistique pour compléter la matrice Matrice GCM-RCM initiale (3 RCPs, 13 RCMs, 9 GCMs, 87/351 runs) Méthode statistique de partition de la variance Evin et al. 2021, méthode QUALYPSO Ref : 1981-2010, signif.gras, intervalle à 90% Complétion statistique de la matrice Changement relatif de Précipitation (%, France, intervalle à 90%, RCP8.5) Hiver Eté Estimation équilibrée du changement climatique : utilisation d’une méthode statistique pour compléter la matrice Matrice GCM-RCM initiale (3 RCPs, 13 RCMs, 9 GCMs, 87/351 runs) Méthode statistique de partition de la variance Evin et al. 2021, méthode QUALYPSO Ref : 1981-2010, signif.gras, intervalle à 90% Complétion statistique de la matrice Changement relatif de Précipitation (%, Paris, intervalle à 90%, RCP8.5) Hiver Eté Conclusions pour la modélisation régionale du climat • Demande scientifique et sociétale forte pour climat à fine échelle • RCMs, outils matures, études/informations climatiques régionales (IPCC-AR6) • RCMs et GCMs, outils numériques complémentaires • RCMs, pas parfaits, source supplémentaire d'incertitude • RCMs, valeur ajoutée démontrée pour certaines zones et certaines variables échelles locales, évènements extrêmes, zones côtières, zones montagneuses, petites îles • RCMs, outils pour développer les modèles de climat, pour mieux comprendre la variabilité climatique et les tendances observées • Ensembles de simulations climatiques régionales validés et disponibles (CORDEX) • Contribution à l’adaptation des écosystèmes et des sociétés humaines • RCMs de dernière génération, source de nouvelles informations : kilométrique, horaire, hydrologie, végétation, villes, aérosols, mers, interactions avec l’homme DEFIS MAJEURS • Comment continuer à développer les RCMs (réduire les biais) ? • Comment réconcilier GCM et RCM en cas de désaccord ? • Comment bien explorer et communiquer les incertitudes des projections régionales ? • Comment combiner au mieux GCMs, RCMs et approches statistiques ? • Comment renforcer les liens avec les utilisateurs ?