Highlights 2023

Les vagues de chaleur font partie des évènements climatiques extrêmes les plus impactant dans le monde et en Europe, notamment du fait de leur augmentation en fréquence et intensité avec le changement climatique d’origine humaine. Dépasser certains seuils de température peut en effet avoir des conséquences majeures pour les organismes vivants – dont les corps humains – ainsi que les systèmes techniques, par exemple les infrastructures de transport. La capacité de prédire et d’anticiper les intensités maximums des vagues de chaleur est donc cruciale pour l’adaptation des sociétés. 

La méthode traditionnelle d'évaluation des risques d'événements climatiques extrêmes repose sur des statistiques et la théorie des valeurs extrêmes. Cela nous permet de définir un "pire scénario" auquel nous pouvons nous préparer en se basant sur les valeurs maximales attendues. Dans une récente étude publiée dans Environmental Research Letters [1], nous utilisons une approche basée sur la physique pour montrer que cette estimation statistique maximale est probablement sous-estimée de plusieurs degrés. En d'autres termes, on ne peut pas exclure que les températures atteignent 50°C à Paris, même dans les conditions climatiques actuelles.

Nous nous sommes intéressés à la façon dont la température maximale évoluait entre des conditions anticycloniques passées (entre 1940 et 1980) et présentes (entre 1981 et 2021) analogues à celles de l’évènement record de 2019 en Europe de l’Ouest – événement pour lequel la station de Paris Montsouris a enregistré un record absolu de près de 42,6°C. Nous montrons que la température maximale imposée par la circulation atmosphérique en moyenne altitude change assez peu entre les deux périodes alors que les températures maximales au sol augmentent fortement (entre 2 et 3°C selon les régions). Cette augmentation est probablement principalement due à des phénomènes locaux d’amplification des températures extrêmes, en particulier l’assèchement des sols (liés à l’augmentation des températures moyennes avec le réchauffement climatique)."

[1] Noyelle et al 2023 Environ. Res. Lett. https://doi.org/10.1088/1748-9326/acf679

Available at www.climameter.org , Climameter offers a dynamic approach to contextualize and analyze weather extremes within a climate context. This framework provides both easily understandable immediate contextualization of extreme weather events as well as more in-depth technical analysis shortly after the events.

Methodology

The foundation of ClimaMeter's methodology lies in identifying weather conditions similar to those responsible for the extreme event of interest. Focusing on the satellite era since 1979, ClimaMeter dissects two distinct periods: the early decades (1979–2000, "past") and the more recent decades (2001–2022, "present"). Utilizing data from MSWX, the framework evaluates how selected weather conditions have evolved between these periods, distinguishing between changes driven by natural climate variability and those attributed to anthropogenic climate change.

Key Aspects

1. Rapid and Reproducible: ClimaMeter's strength stems from its reliance on historical data rather than numerical model simulations. This makes the methodology swift and reproducible, enabling quick analysis and results dissemination.
2. Limitations and Challenges: The framework's dependence on historical records can be limiting when extreme events arise from unprecedented weather scenarios. In such cases, ClimaMeter's analysis might face constraints due to the absence of prior analogs.
3. Analyzed Events: ClimaMeter has already delved into prominent events like the French Heatwave of late August 2023, the Mediterranean heatwave of July 2023, and the July 2023 Storm Poly. These analyses provide valuable insights into the climate context of these impactful occurrences.

Further Exploration

For comprehensive details on ClimaMeter's methodology, refer to the peer-reviewed paper: "A climate-change attribution retrospective of some impactful weather extremes of 2021" by Faranda et al., published in Weather and Climate Dynamics (2022, 3, 1311–1340). This paper outlines the framework's intricacies and findings, offering a deeper understanding of how ClimaMeter contributes to the field of climate attribution and extreme event analysis.

ClimaMeter presents an innovative approach to promptly and accurately attributing extreme weather events to natural variability or anthropogenic influence. By bridging the gap between immediate contextualization and technical analysis, this framework offers a new perspective on the complex interplay between climate and weather extremes. Climameter is an experimental framework developed by Davide Faranda and the ESTIMR team at the Laboratoire des Sciences du Climat et de l'Environnement (Institut Pierre Simon Laplace) in Paris-Saclay, in collaboration with Erika Coppola (ICTP), Tommaso Albert (INGV) and Gabriele Messori (University of Uppsala).

Des chercheurs du Laboratoire des Sciences du Climat et de l'Environnement (CNRS, CEA, UVSQ) et de l'Université d'Uppsala en Suède ont étudié les propriétés d'une méthode populaire d'estimation de la dimension de l'attracteur. L'étude, intitulée "Statistical performance of local attractor dimension estimators in non-Axiom A dynamical systems", et publiée dans le journal Chaos, donne des indications sur la meilleure façon d'estimer la dimension de l'attracteur des systèmes dynamiques, consolidant ainsi la validité de plusieurs études antérieures basées sur des estimateurs statistiques très simples mais efficaces.

Les systèmes dynamiques se caractérisent par un attracteur, c'est-à-dire une région compacte intégrée dans l'espace des variables physiques, qui accueille l'ensemble des trajectoires du système. L'attracteur est un objet fractal, ce qui signifie que sa dimension n'est pas entière. Dans des systèmes du monde réel, tels que le climat de la Terre, la dimension fractale locale autour d'un point correspondant à un état d'intérêt permet d'obtenir des informations sur la prévisibilité de cet état. Dans la pratique, les états d'intérêt peuvent consister en des cartes bidimensionnelles d'une ou plusieurs variables atmosphériques dynamiques et thermodynamiques à des moments correspondant à un événement important, tel qu'une vague de chaleur intense, un cyclone violent ou d'autres phénomènes météorologiques extrêmes ayant un impact.
De manière plus générale, la dimension de l'attracteur est une quantité importante qui est liée au nombre de degrés de liberté effectifs du système dynamique, et son estimation a été un sujet central dans la littérature scientifique depuis les années 1980. Les récentes applications de la théorie statistique des valeurs extrêmes ont conduit au développement d'estimateurs faisables de la dimension fractale locale. Ces estimateurs ont été utilisés dans plusieurs études, en particulier en géophysique, parfois en faisant des hypothèses simplificatrices qui peuvent ne pas être vérifiées dans le monde réel, ce qui peut affecter les propriétés statistiques des estimateurs.
Dans cette étude, nous réalisons une revue quantitative de plusieurs estimateurs de la dimension fractale locale basés sur l'EVT, en analysant et comparant leurs performances sur une gamme de systèmes. Nos résultats offrent des informations précieuses aux chercheurs utilisant les estimations de la dimension fractale locale basées sur l'EVT, les aidant ainsi à sélectionner un estimateur approprié pour leurs applications spécifiques. Bien que nous puissions fournir des indications précises pour obtenir des estimations précises dans des systèmes de faible dimension, nous montrons qu'un biais négatif dans l'estimation de la dimension de l'attracteur via l'EVT est inévitable en présence d'une dimension élevée. Néanmoins, nos résultats montrent que les conclusions sur la prévisibilité de certains états sont robustes par rapport au choix de l'estimateur, y compris ceux nécessitant les hypothèses les plus simplificatrices.

Contact: Flavio Pons, flavio.pons@lsce.ipsl.fr

"Statistical performance of local attractor dimension estimators in non-Axiom A dynamical systems," was published online today, 07-19-2023, in Chaos (Vol.33, Issue 7). 

https://doi.org/10.1063/5.0152370
DOI: 10.1063/5.0152370

Les changements des situations météorologiques renforcent les impacts des vagues de chaleurs et tempêtes  en France et en Europe

Une nouvelle étude réalisée par des chercheurs de l’IPSL et de l’université d’Uppsala publiée dans PNAS révèle que les changements de situations météorologiques en Europe ont un impact majeur sur le climat de surface, exacerbant les effets du changement climatique. Les résultats suggèrent que les changements de situations météorologiques modulent déjà les événements climatiques extrêmes dans le climat actuel, en plus de l'impact global du changement climatique d'origine anthropique.

Des chercheurs du Laboratoire des Sciences du Climat et de l'Environnement (CNRS, CEA, UVSQ), du Laboratoire de Météorologie Dynamique (LMD) et de l'Université d'Uppsala en Suède, ont étudié l'impact des changements dans les situations météorologiques sur le climat européen. L'étude, intitulée "Atmospheric circulation compounds anthropogenic warming and impacts of climate extremes in Europe", met en évidence les tendances de fréquence des situations météorologiques dans la région nord-atlantique depuis 1950 jusqu'à 2021. Les chercheurs ont découvert que certaines situations météorologiques sont en train de devenir plus fréquentes, avec une incidence majeure sur le climat de surface.

Les situations météorologiques de plus en plus fréquentes ont entraîné des vagues de chaleur plus fréquentes en été en Europe et une augmentation des tempêtes hivernales dans la partie nord du continent. Plus de 91 % des décès liés aux vagues de chaleur récentes et 33 % des tempêtes les plus intenses en Europe étaient concomitants avec les situations météorologiques de plus en plus fréquentes.L'étude met également en évidence que les situations météorologiques devenues plus rares correspondent à des conditions fraîches et humides en été dans le nord de l'Europe et à des conditions hivernales humides sur le continent. Les chercheurs ont découvert que l'effet combiné de ces changements de situations est un réchauffement dynamiquement puissant sur la plupart du continent et de grands changements régionaux et saisonniers de précipitations et de vents de surface.

L'implication clé de cette recherche est que les changements de situations modulent les événements extrêmes dans le climat présent, renforçant les impacts du changement climatique anthropique. Ces résultats soulignent l'importance d'une prise de conscience accrue des effets des situations météorologiques sur le climat de surface, en particulier pour des événements climatiques extrêmes tels que les vagues de chaleur et les tempêtes.
Cette étude fournit une compréhension approfondie des dynamiques complexes des situations météorologiques et de leurs impacts sur le climat européen, ce qui est important pour la planification de l'adaptation au changement climatique. Les résultats de cette étude sont publiés dans la revue scientifique Proceedings of the National Academy of Sciences (PNAS).
 

Reference: Davide Faranda, Gabriele Messori, Aglaé Jézéquel, Mathieu Vrac, Pascal Yiou. Atmospheric circulation compounds anthropogenic warming and impacts of climate extremes in Europe. Proceedings of the National Academy of Sciences of the United States of America, 120(13), pp1-8, 2023 https://doi.org/10.1073/pnas.2214525120

Contact: Davide Faranda, davide.faranda@lsce.ipsl.fr 

Le Changement Climatique: cause majeure de la sécheresse 2022 en Europe de l'Ouest

Les chercheurs de l’IPSL et de l'Université de Bologne démontrent le lien entre la sécheresse en Europe en 2022 et le changement climatique dû à l'homme. La méthode des "analogues de circulation" est utilisée pour comprendre la relation entre la circulation atmosphérique et la sécheresse en Europe en 2022

Gif-sur-Yvette, France - Une nouvelle étude menée par des chercheurs du Laboratoire des Sciences du Climat et de l'Environnement, du Laboratoire de Météorologie Dynamique, du London Mathematical Laboratory, et de l'Université de Bologne a révélé que les conditions anticycloniques persistantes et le changement climatique ont été des facteurs importants dans la sécheresse exceptionnelle qui a touché l'Europe de l'Ouest et la région méditerranéenne en 2022. Dans le sud de la France, les incendies de forêt associés aux conditions de sécheresse extrême ont brûlé une surface deux fois supérieure à celle de 2021 et environ 4,6 fois supérieure à la moyenne de la période 2012-2021. Soixante-six "départements" français ont été mis au niveau d'alerte le plus élevé pour la sécheresse en août.

L'étude a utilisé une méthode appelée "analogues de circulation" pour comprendre la relation entre la circulation atmosphérique et le changement climatique anthropique. Cette méthode recherche les conditions de pression atmosphérique similaires aux conditions qui se sont produites pendant la sécheresse en 2022, et les compare à des conditions du passé lorsque le réchauffement climatique global était moins présent.

Les résultats ont montré que l'anomalie anticyclonique persistante sur l'Europe de l'Ouest pendant la sécheresse a été exacerbée par le changement climatique dû à l'homme, avec des anomalies de pression atmosphérique plus grandes et plus étendues et des températures plus élevées à la surface. Cela a entraîné une expansion de la zone touchée par la sécheresse et une intensification de l'assèchement des sols par l'évapotranspiration.

"Notre étude apporte une preuve claire du rôle du changement climatique dû à l'homme dans l'exacerbation de la sécheresse exceptionnelle de 2022 et souligne la nécessité de poursuivre et d’intensifier les recherches et les actions pour faire face aux impacts du changement climatique sur nos communautés", a déclaré l’auteur Davide Faranda, chercheur CNRS du Laboratoire des Sciences du Climat et de l'Environnement.

Les résultats de cette étude ont des implications importantes pour les communautés et les décideurs des régions affectées, ainsi que pour ceux du monde entier qui font face aux impacts du changement climatique. Les résultats mettent en évidence l'importance de poursuivre les efforts pour réduire les émissions de gaz à effet de serre et atténuer les effets du changement climatique.

-Reference: Davide Faranda, Salvatore Pascale, Burak Bulut. Persistent anticyclonic conditions and climate change exacerbated the exceptional 2022 European-Mediterranean drought. Environmental Research Letters, 2023 https://doi.org/10.1088/1748-9326/acbc37 

-Pour plus d'informations sur l'étude, veuillez contacter Davide Faranda à davide.faranda@lsce.ipsl.fr

Changes in temperature–precipitation correlations over Europe: 
Are climate models reliable?

by Mathieu Vrac, Soulivanh Thao, Pascal Yiou

Inter-variable correlations (e.g., between daily temperature and precipitation) are key statistical properties to characterize probabilities of simultaneous climate events and compound events. Their correct simulations from climate models, both in values and in changes over time, is then a prerequisite to investigate their future changes and associated impacts.

Therefore, we first evaluated the capabilities of one 11-single run multi-model ensemble (CMIP6) and one 40-member single model initial-condition large ensemble (CESM) over Europe to reproduce the characteristics of a reanalysis dataset (ERA5) in terms of temperature–precipitation correlations and their historical changes. Both CMIP6 and CESM ensembles have season-dependent and spatially structured biases. Moreover, the inter-variable correlations from both ensembles mostly appear stationary, although reanalysis displays significant correlation changes. Hence, none of the ensembles can reproduce these changes in temperature-precipitation correlation.

Next, we compared the ensembles’ correlations for the end of the 21st century: Future correlations show significant changes over large spatial patterns but these patterns are rather different for CMIP6 and CESM, reflecting a large uncertainty in changes.

In addition, for historical and future projections, an analysis conditional on atmospheric circulation regimes is performed. The conditional correlations given the regimes are found to be the main contributor to the biases in correlation over the historical period, and to the past and future changes of correlation.

These results highlight the importance of the large-scale circulation regimes and the need to understand their physical relationships with local-scale phenomena associated to specific inter-variable correlations.

Reference

Vrac, M., Thao, S. & Yiou, P. Changes in temperature–precipitation correlations over Europe: are climate models reliable?. Clim Dyn (2022). https://doi.org/10.1007/s00382-022-06436-5

Should Multivariate Bias Corrections of Climate Simulations
Account for Changes of Rank Correlation Over Time?

by M. Vrac, S. Thao, P. Yiou

Inter-variable dependencies are key properties to characterize many climate phenomena such – as compound events—and their future changes. Yet, climate simulations often have statistical biases. Hence, univariate (1dBC) and multivariate bias correction (MBC) methods are regularly applied but Inter-variable properties (e.g., correlations) can be altered by BC corrections. Then, it is necessary to assess how underlying assumptions of BC methods on climate change affect the adjustments. This can lead to better choices of BC methods.

Here, we investigated whether an MBC method should try reproducing, preserving or modifying the changes in rank correlations between daily temperature and precipitation over Europe. To do so, we set up an original “perfect model experiment” that we applied to two different climate simulation ensembles over 2001–2100: 40 runs from the Community Earth System Model (CESM) global climate model and 11 runs from the Coupled Models Intercomparison Project (CMIP6) exercise.

Within this experiment, we consider one model as a possible truth (i.e., reference) to evaluate the Stationarity (St), non-stationarity (NSt), no-correction (Raw) or multi-model mean climate change (CC) assumptions to perform bias correction of the intervariable correlation. Hence, our approach consists in taking one model (or run) as reference and evaluate the four assumptions on the other models (resp. runs) with respect to the reference one. The same procedure is repeated for another reference model until all models (resp. runs) have each served once as reference.

The results highlight that, within the multi-run single Global Climate Models ensemble (CESM), accounting for correlation changes brings valuable information for long-term projections but that a stationarity assumption provides less biased correlations, up to medium-term projections (2060). For the multi-model ensemble (CMIP6), the non-stationarity assumption provides larger biases than the stationarity approach, up to the end of the century. Not correcting the model rank correlations (1dBC) provides the worst results. Whenever an ensemble is available, the best results come from accounting for the “robust” part of the change signal (i.e., average change from different runs).

These findings plead for using ensembles and their robust information, in order to perform robust (multivariate) bias corrections.

Reference

Vrac, M., Thao, S., & Yiou, P. (2022). Should multivariate bias corrections of climate simulations account for changes of rank correlation over time? Journal of Geophysical Research: Atmospheres, 127, e2022JD036562. https://doi.org/10.1029/2022JD036562