Simuler les effets du climat

Pour répondre à ces questions, il est nécessaire de mettre en adéquation la situation à représenter, les besoins des modèles et les données disponibles. Un premier exercice avait été réalisé entre 2007 et 2010 dans la cadre du projet CLIMATOR : changement climatique, agriculture et forêt en France : simulations d'impacts sur les principales espèces, dont le travail a été synthétisé dans le Livre Vert du projet CLIMATOR (Brisson et Levrault, 2010).

Calibrer, évaluer les modèles

Les modèles sont évalués en comparant les résultats simulés avec les données observées pour établir la précision et le biais (l’écart aux observations) de la simulation. Lorsqu'on s’intéresse à l’impact du changement climatique, les modèles sont évalués sur le climat observé passé.

Réaliser des simulations avec les mêmes données, mais avec différents modèles, permet de préciser l’incertitude liée au choix du modèle d’impact. Cette incertitude correspond à l’erreur épistémique. Elle découle d’une connaissance imparfaite du système et donc de sa représentation imparfaite dans les modèles. Elle peut être réduite par des recherches futures.

Vers des approches ensemblistes

Les modèles peuvent être comparés entre eux dans des exercices d’inter-comparaison de modèles. Ils sont théoriquement comparables s’ils simulent la même variable pour le même système, avec les mêmes choix de données d’entrée.

Ces exercices permettent de quantifier l’incertitude liée aux modèles et donc aux équations utilisées pour simuler le fonctionnement étudié. C’est la méthode employée par les climatologues du monde entier pour estimer les climats futurs pour le rapport du GIEC. Des exercices de ce type ont été initiés sur les modèles agronomiques et leurs réponses aux évolutions du climat comme dans le cas des projets AgMIP et MACSUR. Ils permettent de quantifier l’incertitude liée aux modèles d’impact, d’améliorer la représentation des effets de stress multiples et des évènements extrêmes dans les modèles, et d’identifier des régions du monde aux options d’adaptation spécifiques. Les résultats issus de plusieurs modèles d’impact sont meilleurs que ceux d’un seul modèle (Martre et al., 2015).

Une cascade d’incertitudes

Le fait de réaliser des projections selon une logique de descente d’échelle implique une cascade d’incertitudes que la recherche s’efforce de décomposer et de quantifier.

Il existe plusieurs incertitudes liées :

• aux scénarios climatiques,
•  aux modèles climatiques,
• aux méthodes de régionalisation des données (climatiques, de sol, de cultures, ...) et aux données elles-mêmes,
•  aux modèles d’impact.

Il est indispensable de bien distinguer ces incertitudes de la variabilité intra-maille, par exemple de l'occupation du sol ou des propriétés des sols. Le chapitre A4 « Incertitudes et variabilités » du Livre Vert du projet CLIMATOR apporte toutes les précisions nécessaires.

Au bilan, toute démarche de modélisation en vue d’une projection des impacts du changement climatique implique diverses formes d’incertitudes (pour plus de détails, voir notamment le portail DRIAS) :

• Incertitude épistémique => incertitudes scientifiques et techniques liées à une connaissance imparfaite des phénomènes et à leur représentation approximative dans les modèles ;
• Incertitude spécifique au problème de descente d’échelle et dépendant des méthodes de désagrégation ;
• Incertitude stochastique => incertitude liée à la variabilité naturelle du climat liée à la variabilité climatique intrinsèque et chaotique, qui comprend également la problématique des conditions initiales du système climatique modélisé ;
• Incertitudes socio-économiques (= incertitude réflexive), liées aux scénarios futurs d’émission des GES (la société fait partie à la fois du problème et de la solution).

Chaque maillon de la chaîne introduit une source d’incertitude et l’incertitude augmente au fur et à mesure que l’on descend dans la chaîne de modélisation. De ce fait, l’augmentation de la résolution spatiale des simulations se fait au détriment d’une incertitude plus grande.