Qu’est-ce que la descente d’échelle statistique et dynamique ?
Les modèles climatiques sont des outils essentiels pour évaluer l’impact de la concentration des gaz à effet de serre sur les changements de température et de précipitation. Cependant, leur résolution spatiale native est trop grossière (~ 100 km) pour représenter les phénomènes régionaux, locaux et en topographie variée.
Des méthodes dites de réduction ou de mise à l’échelle (downscaling) sont alors nécessaires afin de générer une information climatique pertinente au niveau local, en termes de climat moyen et des principales caractéristiques de variabilité et d’extrême du régime des précipitations. Il existe deux approches principales de réduction d’échelle des simulations des modèles climatiques : la mise à l’échelle dynamique et statistique.
Pour la mise à l’échelle dynamique, des modèles climatiques à plus haute résolution sont utilisés. Ces modèles, appelés modèles climatiques régionaux, utilisent les modèles climatiques à plus faible résolution comme conditions aux limites et les principes de la physique pour reproduire le climat sur une zone réduite. Ces modèles étant gourmands en temps de calcul, augmenter la résolution spatiale et temporelle augmente aussi les temps de calculs drastiquement mais permet de garder une forte cohérence physique au niveau spatial.
La mise à l’échelle statistique repose sur des méthodes statistiques afin de réduire statistiquement la résolution des modèles climatiques. Toute une gamme de méthodes statistiques de réduction d’échelle a été développée ces dernières années. La disponibilité des données météorologiques locales est essentielle pour la réduction d’échelle statistique. Les résultats de la réduction d’échelle statistique deviennent meilleurs lorsque les données météorologiques historiques d’observation sont de qualité sur une longue période de temps. La réduction d’échelle statistique s’opère à partir de données d’observations issues de stations météorologiques ou d’ensemble de données sur grille. Une relation statistique est développée entre les données climatiques observées et des données du modèle climatique pour la même période historique. La même relation est utilisée pour développer les données climatiques futures. Les méthodes de réduction d’échelle statistique sont faciles à mettre en œuvre contrairement aux méthodes de réduction d’échelle dynamique mais ne permettent pas de conserver une cohérence.
La réduction d’échelle statistique se décompose en trois étapes :
1. Le mapping (ou la cartographie) des simulations brutes des modèles climatiques à une résolution commune de grille à plus haute résolution correspondant à celle des observations sur laquelle l’ensemble des données climatiques vont être mises à l’échelle.
2. Une interpolation de chaque donnée climatique sur la grille de référence à plus haute résolution. La méthode d’interpolation diffère selon la variable climatique ; par exemple, une interpolation bilinéaire est généralement utilisée pour les températures alors qu’une interpolation conservative de type Akima modifiée (makima) est privilégiée pour les précipitations.
3. Une méthode de correction de biais afin de compenser les erreurs systématiques présents dans les données brutes des modèles climatiques par rapport aux observations.