|
|
|
|
|
|
|
|
Le projet Socle Outre-Mer de Météo France a pour objectifs :
• de caractériser l’évolution selon la TRACC (Trajectoire de Réchauffement de référence pour l’Adaptation au Changement Climatique) du climat des Outre-mer tropicaux les plus peuplés en s'appuyant sur la production d’ensembles de projections climatiques dédiées ;
• de produire les simulations numériques nécessaires pour compléter les ensembles de projections climatiques recueillis auprès des instituts internationaux participants aux exercices d'intercomparaison du GIEC (CMIP6 / CORDEX) à des résolutions adaptées aux territoires insulaires ;
• de mettre à disposition ces nouvelles données de référence de projections climatiques via le portail DRIAS.
Ensemble de simulations :
Pour Mayotte, un sous-ensemble basé sur l'exercice CMIP6 et CORDEX-Africa a été construit afin d’échantillonner les évolutions du climat sur Mayotte. Ce sous-ensemble comprend 20 simulations globales (GCMs) de dernière génération (CMIP6), ainsi que 3 simulations régionales (RCMs) forcées par les simulations globales CMIP5 issues de l'exercice CORDEX-Africa. Les simulations ont été sélectionnées sur des critères de qualité dans la reproduction du climat de Mayotte tout en échantillonnant les changements futurs possibles. En complément de ces simulations issues de projets internationaux, l’ensemble intègre également une simulation réalisée avec le modèle régional ALADIN63 forcé par le modèle global CNRM-ESM2.1 (simulation CMIP6).
Une descente d’échelle statistique a été appliquée à l’ensemble des simulations climatiques, fournissant ainsi une information climatique à haute résolution (0,025°, soit environ 2.5 km) sur l’ensemble du territoire pour les précipitations et les températures moyennes, minimales et maximales quotidiennes.
Scénarios inclus dans cet ensemble :
Les scénarios d'émissions de gaz à effet de serre retenus sont : le rcp8.5 pour les simulations CMIP5 (CORDEX-Africa) et le ssp5-8.5 pour les simulations CMIP6 (GCM et ALADIN). Ce choix a été motivé afin de garantir l’atteinte des différents niveaux de réchauffement définis par la TRACC (jusqu’à +3 °C de réchauffement planétaire).
Périodes utilisées :
La période de référence (dite "historique") a été fixée à 1991-2020 pour être en cohérence avec les futurs exercices de simulations climatiques.
Toutefois, les simulations historiques s’arrêtent en 2014 pour CMIP6 (et en 2005 pour CMIP5). Afin d’obtenir une série continue sur l’ensemble de la période de référence, les simulations historiques ont été prolongées à l’aide des projections climatiques (issues des scénarios rcp8.5 ou ssp5-8.5, selon le modèle) pour combler les années manquantes.
Les projections climatiques couvrent ensuite la période 2021-2100.
Produit de référence utilisé :
Le produit AROBS a été spécifiquement conçu pour fournir une référence climatique spatialisée sur Mayotte. Il propose une information climatologique pour les précipitations et les températures quotidiennes sur l’ensemble du territoire (101 pixels), avec une résolution de 0,025°, couvrant la période 1990-2024.
Ce produit combine les informations fournies par le modèle de prévision numérique du temps à très haute résolution (AROME Outre-Mer) et les observations in situ.
Nous proposons également un produit de référence à une résolution dégradée (0,125°, environ 13km) qui consiste à agréger spatialement (moyenne) le produit AROBS. Ce produit, AROBSagg5, comporte 6 pixels et sera uniquement utilisé dans le cadre des projections régionales (RCM - cf. plus bas Quelques précisions).
Procédure de descente d’échelle statistique :
Cette procédure est commune à toutes les simulations, qu’elles proviennent de GCM ou de RCM.
1 - Les simulations ont d’abord été interpolées sur une grille commune, définie par celle du produit de référence AROBS, en utilisant une interpolation bilinéaire.
2 - À chaque point de grille, une correction de biais a été appliquée, en utilisant AROBS comme référence pour la période 1990-2024.
Précipitations
La méthode retenue est le quantile-quantile (ou quantile mapping) utilisant une fenêtre glissante de 3 mois. Par exemple, pour corriger les précipitations du mois de juillet, les données (GCM/RCM et AROBS) des mois de juin, juillet et août sont prises en compte. La correction consiste alors à estimer et appliquer 12 fonctions de transfert (une par mois), permettant de passer du monde "modèle" au monde "réel" en ramenant la distribution du modèle sur celle du produit de référence.
Températures
La méthode CDF-t a été choisie pour la correction des températures, car elle permet de prendre en compte la non-stationnarité de la fonction de distribution simulée. La correction s’effectue à l’aide de fenêtres glissantes de 3 mois et de 30 ans, centrées sur le mois à corriger. Par exemple, pour corriger les données de mars 2050, on utilise la fonction de distribution des températures calculée sur les 30 trimestres février-mars-avril de la période 2036-2065.
Quelques précisions :
A l’aide de la descente d’échelle statistique, nous passons d’une information à résolution grossière (plusieurs dizaines, voire centaines de kilomètres) à une information à résolution fine (celle du produit AROBS, environ 2,5km). Cette procédure permet que les simulations climatiques corrigées représentent correctement le climat au sein de l’île comme, par exemple, une plus grande pluviométrie au centre de l’île. Par construction, les simulations corrigées issues des runs dits "historiques" proposent une climatologie semblable à celle du produit de référence sur chaque point de grille. Les projections corrigées peuvent proposer un climat différent du run historique (signal du changement climatique) mais elles respecteront également les spécificités au niveau du point de grille. Cependant, il faut rester attentif aux limitations liées à ce saut d’échelle important (facteur 5 à 10 pour les RCM, facteur 20 à 50 pour les GCM). D’une part, les signaux climatiques seront semblables sur toute l’île puisque, pour un modèle donné, le signal climatique sur l’île ne dépend que de quelques points modèle (d'un unique point pour certains GCMs jusqu’à une petite dizaine pour ALADIN). D’autre part, l’agrégation de pixels à partir des données corrigées est à éviter, surtout pour les précipitations (typiquement l’estimation quotidienne d’une pluie de bassin). En effet, celle-ci amènerait à sur-estimer fortement les cumuls de pluie de bassin lors des plus forts évènements pluvieux et à une sur-estimation quasi-systématique du nombre de jours secs à l'échelle du bassin. C’est dans ce contexte que nous proposons une descente d’échelle des RCM à partir du produit de référence AROBSagg5 qui a une résolution proche de celle d’ALADIN (environ 12km). Dans ce cas, il n’y a pas de saut d’échelle pour ALADIN, et le facteur est de 2 pour les autres RCM (le biais évoqué précédemment est alors fortement atténué, mais reste cependant présent).
Informations sur les modèles climatiques globaux utilisé :
Les modèles globaux (GCM) inclus dans cet ensemble sont issus de l’exercice CMIP6. Leur résolution horizontale native est de l’ordre de 100 km.
Leur utilisation permet de constituer un ensemble de taille suffisante pour évaluer l’incertitude climatique via une approche multi-modèles.
Certains de ces modèles proposent plusieurs membres (réalisations d'une même période), ce qui permet de dissocier l’incertitude naturelle (variabilité interne) de la réponse climatique au scénario d’émission. Cependant, dans le cadre de cet ensemble, un seul membre par modèle a été retenu, afin que chaque modèle ait le même poids dans l’analyse multi-modèles.
Un premier tri basé sur la disponibilité des données a permis de sélectionner 30 GCMs. Ensuite, une expertise scientifique a conduit à écarter 10 GCMs qui ne satisfaisaient pas les critères d’évaluation menant donc à un ensemble de 20 GCMs.
Informations sur les modèles climatiques régionaux (RCM) :
Simulations de CORDEX-Africa
Les modèles régionaux de climat (RCM) utilisés dans cet ensemble sont issus du projet international CORDEX-Africa (Coordinated Regional Climate Downscaling Experiment - Africa). Ils offrent une résolution horizontale native de l’ordre de 25km. Chaque simulation RCM est forcée aux limites du domaine régional par un modèle global (GCM) CMIP5.
Un premier tri basé sur la disponibilité des données a permis de sélectionner 10 RCMs. Ensuite, une expertise scientifique a conduit à écarter 7 RCMs qui ne satisfaisaient pas les critères d’évaluation menant donc à un ensemble de 3 RCMs.
Simulations de ALADIN63-CNRM-ESM2.1
ALADIN est le modèle atmosphérique régional développé par Météo-France. Ce modèle est conçu pour fournir des simulations climatiques à haute résolution sur des domaines spécifiques.
Sur le domaine SWIO (South Western Indian Ocean) couvrant le sud-ouest de l'océan Indien et incluant des régions telles que Mayotte, Madagascar, La Réunion et les Comores, ALADIN propose une résolution horizontale native de 12km permettant de mieux représenter l’orographie de l’île.
ALADIN a été forcé par le modèle CNRM-ESM2.1 et constitue donc une simulation de type RCM forcée par un modèle CMIP6.
Référence :
Eyring, V. et al. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geoscientific Model Development, 9, 1937–1958. https://doi.org/10.5194/gmd-9-1937-2016
Nikulin, G. et al. (2012). Precipitation climatology in an ensemble of CORDEX-Africa regional climate simulations. Journal of Climate, 25(18), 6057–6078. https://doi.org/10.1175/JCLI-D-11-00375.1
Michelangeli, P.-A. et al. (2009). Probabilistic downscaling approaches: Application to wind cumulative distribution functions. Geophysical Research Letters, 36, L11708. https://doi.org/10.1029/2009GL038401
Déqué, M. (2007). Frequency of precipitation and temperature extremes over France in an anthropogenic scenario: Model results and statistical correction according to observed values. Global and Planetary Change, 57(1), 16–26. https://doi.org/10.1016/j.gloplacha.2006.11.030
Nabat, P., et al. (2020). Modulation of radiative aerosols effects by atmospheric circulation over the Euro-Mediterranean region. Atmos. Chem. Phys., 20, 8315–8349, doi:10.5194/acp-20-8315-2020, https://acp.copernicus.org/articles/20/8315/2020/
