Par Mathieu Vrac
Les modèles climatiques globaux (GCM) qui simulent le système climatique de la Terre de diverses manières sont essentiels pour comprendre et anticiper le changement climatique. Généralement, ces modèles sont regroupés en ensembles multimodèles afin de fournir un signal robuste à partir de diverses simulations. Ces esnembles sont caractérisés et étudiés à l’aide de statistiques telles que des moyennes, médianes ou quantiles multimodèles, parfois avec des ajustements pondérés. Une alternative traditionnelle pour améliorer le réalisme des projections climatiques consiste à corriger les différentes simulations de leurs biais. Ces approches de combinaison ou de correction sont généralement exclusives et concernent donc des communautés distinctes.
Un groupe international de chercheurs du LSCE, de l’INRAE et de l’Université de Lausanne a développé une nouvelle méthode pour améliorer la qualité des projections climatiques, basée sur un concept original hybridant les notions de combinaison de modèles et de correction de biais.
Leur étude introduit une méthode innovante d’agrégation des probabilités appelée « alpha pooling », qui permet de construire une fonction de distribution cumulative (CDF) agrégée qui approxime étroitement une CDF de référence au cours de la période historique de calibration. Les CDF agrégées peuvent ensuite être utilisées pour ajuster le biais des simulations climatiques brutes, réalisant ainsi la première « correction de biais multi-modèle ». En pratique, chaque CDF subit une transformation non linéaire basée sur un paramètre α. Chaque CDF transformée se voit attribuer un poids, qui augmente en fonction de sa proximité avec la CDF transformée de référence. La clé de l’alpha pooling est le paramètre α, qui dicte le type de transformation et, par conséquent, le type d’agrégation, généralisant ainsi les méthodes de pooling linéaires et log-linéaires.
L’approche par alpha pooling est une méthode d’agrégation valide en vérifiant certaines propriétés optimales. En se concentrant sur des simulations de température et de précipitations sur l’Europe occidentale, l’étude mène plusieurs expériences pour comparer les performances de l’alpha pooling aux méthodes actuelles, y compris les moyennes multi-modèles et les variantes pondérées. Ces expériences comprennent (i) une évaluation basée sur la réanalyse, (ii) une expérience de modèle parfait (voir figure) et (iii) une analyse de sensibilité au choix des modèles climatiques. Les résultats démontrent la supériorité de la méthode alpha pooling, en soulignant son efficacité dans la combinaison des CDF de modèles climatiques. Les résultats de l’étude suggèrent clairement que cette nouvelle stratégie de mise en commun des CDF pour la correction des biais multimodèles est une alternative viable aux méthodes traditionnelles de correction des biais GCM par GCM, car elle traite et intègre efficacement plusieurs modèles climatiques simultanément.
Reference: Vrac, M., Allard, D., Mariéthoz, G., Thao, S., Schmutz, L. (2024) Distribution-based pooling for combination and multi-model bias correction of climate simulations. Earth System Dynamics, 15, 735–762, https://doi.org/10.5194/esd-15-735-2024.
Contact: