• Accueil
  • À propos
  • Accrom\(\alpha\)th en PDF
  • Commanditaires
  • Contact
  • Contributions des lecteurs
  • Sites amis

Logo

De la météo au climat

Par René Laprise
Volume 6.1 - hiver-printemps 2011

Les changements à l’échelle du globe sont sans équivoque : hausse généralisée des températures de l’air et de la surface des océans, fonte accélérée de la neige et de la glace, élévation du niveau moyen de la mer. Les émissions de gaz à effet de serre par les activités humaines causeront un réchauffement mondial durant le XXIe siècle qui excèdera fort probablement le réchauffement observé durant le XXe siècle1].

Le premier énoncé provient de mesures prises sur un ensemble de variables climatologiques, échelonnées sur plusieurs décennies et dans plusieurs régions du globe. Par contre le deuxième énoncé s’appuie uniquement sur des simulations de modèles climatiques effectuées sur ordinateur. Quelle est la fiabilité de tels résultats de simulations sur plusieurs décennies quand on connaît les limites des prévisions météorologiques?

L’effet papillon montre que toute prévision météorologique devient caduque après 14 jours. Est-il justifié de faire des projections des changements climatiques sur plusieurs décennies? N’est-ce pas une utopie de vouloir montrer que le climat se réchauffe?

Les marées
Pensez aux vagues sur la mer. Les vagues vont et viennent de façon apparemment aléatoire. Prévoir les vagues individuelles serait, comme la météo, impossible au-delà d’un temps caractéristique assez court. Si toutefois vous suivez le mouvement de la mer un certain temps, vous pourrez déterminer que la marée monte ou descend. Vagues et marées se superposent et interagissent. Mais les marées répondent aux forçages exercés par le soleil et la lune, en fonction de l’heure du jour et de la saison, ainsi que de la forme de la côte. Les marées constituent ainsi, comme le climat, un phénomène prévisible.

Les saisons
On connaît de grandes variations de température pendant l’hiver. La température
peut monter ou descendre de 20 degrés en quelques heures. Pourtant, si l’on regarde les températures moyennes de janvier, elles varient très peu d’une année à l’autre; par exemple à Montréal, l’écart type n’est que 2,9 degrés. Les probabilités et la statistique nous permettent d’analyser ces variations. Et si ces moyennes se retrouvent trop souvent au-dessus de la normale, il y a lieu de tester l’hypothèse que la moyenne de température est constante en janvier.

Les modèles climatiques

Qu’est-ce qu’un modèle climatique?
C’est un simulateur de conditions météorologiques virtuelles. C’est donc un programme informatique qui résout des équations décrivant les interactions entre l’atmosphère et les autres composantes du système climatique. Quelles équations? Il y a trois principes fondamentaux qui conjointement permettent de décrire l’évolution de tout système physique: ce sont les principes de conservation de la masse, de l’énergie et de la quantité de mouvement. Ces principes nous donnent un système d’équations aux dérivées partielles. Mais les équations du système climatique sont bien trop complexes pour admettre une solution analytique. On a donc recours à l’ordinateur pour obtenir des solutions numériques approximatives. On définit un maillage (une grille) couvrant l’ensemble du globe. Puis à chacun des nœuds du maillage (points de grille), on résout un système d’équations non linéaires couplées, après leur transformation d’équations différentielles en équations algébriques (en faisant le type d’approximations qu’on a expliqué pour le système de Lorenz)2. Ces équations comportent plusieurs termes dont certains échangent des propriétés avec leurs voisins adjacents, ceux du dessous, du dessus et de chaque côté, ce qui fait qu’à la fin, de proche en proche, tous les points se parlent. Plusieurs variables interviennent dans les calculs. Dans l’atmosphère: la température, la pression, la concentration de vapeur d’eau, le vent, les nuages, le rayonnement électromagnétique, etc. Dans les océans: la température, la salinité, la pression, les courants marins, la glace de surface, la neige sur la glace, etc. Sur les continents: la quantité d’eau liquide et gelée dans le sol, la neige sur le sol, etc.

Prévoir 30 ans à petits pas de 15 minutes
Là où ça devient réellement compliqué, c’est que ces calculs doivent être répétés plusieurs fois. On ne peut pas simplement partir du climat d’aujourd’hui et le transposer trente ans plus tard. Il faut en fait calculer par petits « pas de temps », qui sont typiquement de 15 minutes. Ainsi pour faire 30 ans, il faut donc répéter des calculs sophistiqués un million de fois, et ce, pour chacun des points de la grille. En conséquence, le nombre de points doit rester modeste, sinon le temps de calcul devient exorbitant. Si on désire obtenir les résultats en quelques semaines, à raison de calculs effectués 24 heures sur 24, on peut difficilement excéder plus d’un million de points, même sur les plus puissants ordinateurs. Ceci se traduit par un espacement entre les points de l’ordre de 200 à 400 km pour les modèles mondiaux qui couvrent l’ensemble du globe.

Calcul de haute performance
Un million de points de grille où l’on effectue les calculs un million de fois pour une simulation de 30 ans, ça donne 1012 répétitions de calculs faisant intervenir plusieurs variables. C’est pour cette raison que les simulations climatiques, avec la prévision météorologique, représentent les plus gros usagers du calcul de haute performance. Même sur les plus puissants ordinateurs massivement parallèles comme ceux du Consortium CLUMEQ-II au Québec, la puissance de calcul demeure le facteur principal limitant la résolution des modèles. Nous travaillons à l’UQAM au développement d’un modèle régional à aire limitée; en restreignant le domaine de calcul, les points sont espacés de 50 km les uns des autres, et nous visons bientôt les rapprocher encore à 10 km.

Météo versus climat

La climatologie est distincte de la météorologie. La prévision météorologique fait dans l’immédiat et utilise des données observées pour démarrer une prévision: c’est un problème aux conditions initiales. Le climat par contre réfère aux statistiques des conditions météorologiques. La moyenne est la statistique la plus simple, mais la variabilité est aussi importante, de même que les extrêmes de la distribution en fréquence pour les événements rares.

L’effet du chaos, ou papillon de Lorenz, qui limite l’habileté des prévisions météorologiques à quelques semaines, ne constitue pas un handicap pour les simulations climatiques. Ce serait même plutôt le contraire.

Les simulations climatiques passent nécessairement par la simulation de séquences de conditions météorologiques. On effectue des simulations sous différentes conditions de forçages externes, comme les concentrations des gaz à effets de serre et des aérosols, croissantes dans le temps. On calcule les statistiques des simulations comme on le ferait avec les données observées. On compare les statistiques de ces simulations, on obtient le signal climatique recherché. Le climat est ainsi un problème aux conditions aux frontières.

La finalité des projections climatiques est donc la tendance de fond des statistiques sur quelques décennies, et non pas les valeurs instantanées des séquences météorologiques simulées. En effet, on peut démarrer plusieurs projections climatiques en appliquant les mêmes forçages externes, mais en perturbant légèrement les conditions initiales. Sous l’effet du chaos, ces simulations deviennent totalement indépendantes dans le détail de leurs séquences météorologiques. En effectuant la moyenne sur plusieurs membres d’un ensemble de simulations, on obtient alors un estimé statistiquement fiable du signal du changement climatique attribuable au forçage externe imposé. La moyenne d’ensemble a pour effet de filtrer la composante imprévisible que représentent les séquences météorologiques spécifiques, et de ne retenir que la composante du signal résultant du changement de forçage imposé. En analysant toutes les simulations, on a aussi une mesure de l’étalement, semblable aux intervalles de confiance que l’on étudie dans les cours de statistique. On peut aussi combiner les projections obtenues avec plusieurs modèles basés sur des approximations différentes; l’étalement entre les climats des différents modèles fournit alors un estimé de la marge de confiance du climat projeté.

Changements climatiques appréhendés pour le Québec vers la fin du siècle

  • Réchauffement moyen de 3 à 4 degrés et pouvant atteindre 10 degrés en hiver dans le nord.
  • Augmentation des précipitations de 10 à 30 % en moyenne, avec une augmentation plus grande dans le nord, surtout en hiver.
  • Faibles changements dans les systèmes météorologiques, avec un léger déplacement vers le nord de leurs trajectoires, une légère diminution du nombre total de systèmes, mais une légère augmentation de l’intensité des tempêtes.
  • Raccourcissement de la saison de neige, mais des chutes de neige occasionnellement plus intenses, suivies de redoux plus fréquents.
  • Augmentation de la fréquence des canicules en été.
  • Diminution de la fréquence des événements de froid intense en hiver.
  • Disparition partielle ou totale du pergélisol dans le grand nord.

Changement de neige au sol pour la période 2041-2070

Résultat du Modèle régional canadien du climat pour une projection du changement de la neige au sol au mois de mars pour la période 2041-2070, exprimé en pourcentage de la neige pour la période de référence 1961-1990. (figure tirée du 4ème Rapport du GIEC publié en 2007; http://www.ipcc.ch/).

Notez la disparition massive de la neige (teintes rouges), sauf dans la partie la plus septentrionale où il y aura augmentation (teintes de bleu).

On a laissé en blanc les régions avec une quantité négligeable de neige au sol (moins de 5 mm d’équivalent en eau).neige

Réchauffement moyen pour cinq régions de l’Amérique du Nord

alaskaLigne noire: réchauffement observé entre 1900 et 2000.

Bande rouge: réchauffement simulé rétrospectivement pour la période 11 de 1900 à 2000, par un ensemble de 11 modèles climatiques. Ces simulations rétrospectives permettent de valider le modèle; on note que la ligne noire est contenue à l’intérieur de la bande rouge provenant des simulations des modèles.

groBande orange: réchauffement projeté pour la période de 1900 à 2000, par le même ensemble de modèles climatiques, pour un certain scénario d’augmentation des gaz à effets de serre. Les limites inférieure et supérieure des bandes rouge et orange correspondent aux 5e et 95e percentiles.

(tiré du 4e Rapport du GIEC publié en 2007; http://www.ipcc.ch/).oce

Pour en s\(\alpha\)voir plus !

  • Comptabilisation du carbone forestier: http://carbon.cfs.nrcan.gc.ca/index_f.html
  • Vidéo commenté sur ce sujet à:
    http://www.sfmcanada.org/francais/vignettes_e-wk.asp
    http://biosystems.okstate.edu/darcy/index_fr.htm
  • Groupe d’experts intergouvernemental sur l’évolution du climat (GIeC): http://www.ipcc.ch/home_languages_main_french.htm
  • Données climatiques du Canada – environnement Canada:
    http://climat.meteo.gc.ca/climateData/canada_f.html
  • Portrait statistique sur l’environnement – L’Institut de la statistique du Québec (ISQ) et Le Ministère du Développement durable, de l’environnement et des Parcs (MDDeP): http://www.mddep.gouv.qc.ca/regards/portrait-stat/index.htm
  • INRS – Centre eau, terre & environnement:
    http://www.inrs-ete.uquebec.ca/
  • Indicateurs canadiens de durabilité de l’environnement:
    http://www.ec.gc.ca/indicateurs-indicators/Default.asp?lang=Fr&n=A073189E-1
    http://www.statcan.gc.ca/bsolc/olc-cel/olc-cel?catno=16-253-X&lang=fra
  • Changements climatiques – environnement Canada:
    http://www.ec.gc.ca/default.asp?lang=Fr&n=2967C31D-1?WT.mc_id=changements
  • Pacific Climate Impacts Consortium:
    http://pacificclimate.org/resources/climateimpacts/
  • Teaching Quantitative Skills in the Geosciences:
    http://serc.carleton.edu/quantskills/index.html
    http://serc.carleton.edu/quantskills/teaching_resources/activities.html
  • Environmental Mathematics – ben Fusaro, Florida State University:
    http://home.comcast.net/~benfusaro/

PDF

  1. Traduction d’un texte tiré du Summary for Policymakers, 4ème rapport du Groupe Intergouvernemental d’experts sur l’Évolution du Climat (GIEC), 2007 ↩
  2. Voir l’article L’effet papillon en page 2 de ce numéro. ↩
  • ● Version PDF
Partagez
  • tweet

Tags: Mathématiques et développement durable

Articles récents

  • Statistique et santé publique

    André Ross
  • Modéliser le réchauffement climatique

    France Caron
  • Partage équitable bis

    Christiane Rousseau

Sur le même sujet

  • Un modèle statistique pour la gestion des stocks de poissons

    Thierry Duchesne et Louis-Paul Rivest
  • Aller en ligne droite sur une planète qui tourne: Force de Coriolis

    Denis Gilbert
  • L’effet papillon

    Christiane Rousseau

Volumes

  • Journée internationale des mathématiques: Accromath multilingue
  • Volume 16.1 – hiver-printemps 2021
  • Volume 15.2 – été-automne 2020
  • Thème spécial: Les mathématiques sont partout
  • Volume 15.1 – hiver-printemps 2020
  • Volume 14.2 – été-automne 2019
  • Volume 14.1 – hiver-printemps 2019
  • Volume 13.2 – été-automne 2018
  • Volume 13.1 – hiver-printemps 2018
  • Volume 12.2 – été-automne 2017
  • Volume 12.1 – hiver-printemps 2017
  • Volume 11.2 – été-automne 2016
  • Volume 11.1 – hiver-printemps 2016
  • Volume 10.2 – été-automne 2015
  • Volume 10.1 – hiver-printemps 2015
  • Volume 9.2 – été-automne 2014
  • Volume 9.1 – hiver-printemps 2014
  • Volume 8.2 – été-automne 2013
  • Volume 8.1 – hiver-printemps 2013
  • Volume 7.2 – été-automne 2012
  • Volume 7.1 – hiver-printemps 2012
  • Volume 6.2 – été-automne 2011
  • Volume 6.1 – hiver-printemps 2011
  • Volume 5.2 – été-automne 2010
  • Volume 5.1 – hiver-printemps 2010
  • Volume 4.2 – été-automne 2009
  • Volume 4.1 – hiver-printemps 2009
  • Volume 3.2 – été-automne 2008
  • Volume 3.1 – hiver-printemps 2008
  • Volume 2.2 – été-automne 2007
  • Volume 2.1 – hiver-printemps 2007
  • Volume 1 – été-automne 2006
  • Article vedette

    Auteurs

    • Michel Adès
    • Antoine Allard
    • Jean Aubin
    • Marie Beaulieu
    • Rosalie Bélanger-Rioux
    • Claude Bélisle
    • Marc Bergeron
    • Pierre Bernier
    • André Boileau
    • Véronique Boutet
    • Pietro-Luciano Buono
    • Massimo Caccia
    • Jérôme Camiré-Bernier
    • France Caron
    • Philippe Carphin
    • Kévin Cazelles
    • Laurent Charlin
    • Pierre Chastenay
    • Jocelyn Dagenais
    • Marie-France Dallaire
    • Jean-Lou de Carufel
    • Jean-Marie De Koninck
    • Lambert De Monte
    • Jean-Paul Delahaye
    • Marc-André Desautels
    • Florin Diacu
    • Jimmy Dillies
    • Nicolas Doyon
    • Philippe Drobinski
    • Hugo Drouin-Vaillancourt
    • Louis J. Dubé
    • Thierry Duchesne
    • Stéphane Durand
    • Thomas Erneux
    • Philippe Etchécopar
    • Charles Fleurent
    • Jérôme Fortier
    • Marlène Frigon
    • Jean-François Gagnon
    • André Garon
    • Christian Genest
    • Denis Gilbert
    • Jonathan Godin
    • Frédéric Gourdeau
    • Samuel Goyette
    • Jean Guérin
    • Hervé Guillard
    • Abba B. Gumel
    • James A. Hanley
    • Alain Hertz
    • Bernard R. Hodgson
    • Isabelle Jalliffier-Verne
    • Guillaume Jouvet
    • Tomasz Kaczynski
    • Patrick Labelle
    • Marc Laforest
    • Josiane Lajoie
    • Alexis Langlois-Rémillard
    • René Laprise
    • Steffen Lauritzen
    • Denis Lavigne
    • Adrien Lessard
    • Jean Meunier
    • Normand Mousseau
    • Johanna G. Nešlehová
    • Pierre-André Noël
    • Dmitry Novikov
    • Ostap Okhrin
    • Laurent Pelletier
    • Jean-François Plante
    • Annie Claude Prud'Homme
    • Benoît Rittaud
    • Louis-Paul Rivest
    • Serge Robert
    • André Ross
    • Christiane Rousseau
    • Guillaume Roy-Fortin
    • Yvan Saint-Aubin
    • Maria Vittoria Salvetti
    • Vasilisa Shramchenko
    • Robert Smith?
    • William Verreault
    • Redouane Zazoun

Sujets

Algèbre Applications Applications des mathématiques Changements climatiques Chaos Construction des mathématiques COVID-19 Cristallographie cryptographie Dimension 4 Fractales GPS Gravité Géométrie Histoire des mathématiques Imagerie Infini Informatique Informatique théorique Jeux mathématiques Logique mathématique Lumière Mathématiques de la planète Terre Mathématiques et architecture Mathématiques et arts Mathématiques et astronomie Mathématiques et biologie Mathématiques et développement durable Mathématiques et littérature Mathématiques et médecine Mathématiques et physique Mathématiques et transport Miroirs Nombres Pavages Portrait d'un mathématicien Portrait d'un physicien Probabilités Probabilités et statistique Racines Rubrique des Paradoxes Section problèmes Théorie des noeuds Éditorial Épidémiologie

© 2021 Accromath