Les scientifiques combinent des modèles climatiques pour des projections plus précises

Des chercheurs d’institutions telles que le laboratoire national d’Oak Ridge du ministère de l’Énergie ont créé une nouvelle méthode d’analyse statistique des modèles climatiques qui projette les conditions futures avec plus de fidélité.

La méthode permet d’ajuster les modèles présentant des sensibilités élevées aux températures, un problème connu dans la communauté. En attribuant différents poids aux modèles et en les combinant, les chercheurs estiment que la température mondiale augmentera entre 2 et 5° Celsius d’ici la fin du siècle.

Cette projection, publiée dans Nature Communications Terre et Environnement, s’aligne sur les projections précédentes, bien que ce nouveau cadre soit plus inclusif, évitant le rejet des modèles qui étaient une pratique courante dans les méthodes précédentes.

« Nous ne jugeons pas les modèles individuellement », a déclaré Elias Massoud, écohydrologue informatique à l’ORNL. « Au lieu de cela, nous voyons comment ils peuvent être rassemblés, en utilisant leurs informations combinées pour obtenir des projections de l’avenir. »

Un paramètre clé de ces modèles, connu sous le nom de sensibilité climatique à l’équilibre ou ECS, décrit la relation entre la variation du dioxyde de carbone et le réchauffement correspondant. Bien que le système Terre possède un véritable ECS, il ne s’agit pas d’une quantité mesurable. Différentes sources de données peuvent fournir une image plausible du véritable ECS de la Terre, ce qui peut atténuer l’incertitude des modèles de simulation.

Cependant, de nombreux modèles supposent un ECS élevé et prédisent des températures plus élevées en réponse à une plus grande quantité de dioxyde de carbone atmosphérique que ce qui se produit dans le système terrestre réel. Étant donné que ces modèles fournissent des estimations sur les conditions futures aux scientifiques et aux décideurs politiques, il est important de s’assurer qu’ils représentent aussi fidèlement que possible les conditions de la Terre.

Les méthodes précédentes atténuaient ce problème en éliminant les modèles avec une valeur ECS élevée. « C’était une approche autoritaire », a déclaré Massoud. « Les modèles qui ont été rejetés pourraient contenir de bonnes informations dont nous avons besoin, en particulier pour comprendre les extrémités des choses. »

« Au lieu de cela, nous avons adopté un outil appelé Bayesian Model Averaging, qui permet de combiner des modèles ayant une influence variable lors de l’estimation de leur distribution », a déclaré Massoud. « Nous avons utilisé cela pour contraindre l’ECS sur ces modèles, ce qui nous a permis de projeter les conditions futures sans le ‘problème du modèle chaud’. »

De nombreux modèles proviennent d’un code similaire ou ont les mêmes paramètres, ce qui suscite des inquiétudes quant à l’indépendance du modèle. « Si deux modèles sont dépendants, alors ils donnent la même information », a expliqué Massoud. « Notre travail utilise les résultats des pondérations pour estimer le degré d’indépendance de chacun, puis en tient compte dans leur influence, afin que les mêmes informations ne soient pas comptées deux fois. »

Cette nouvelle méthode fournit un cadre permettant de mieux comprendre un ensemble de modèles climatiques. Les pondérations du modèle incluses dans cette recherche ont éclairé la Cinquième évaluation nationale du climat, un rapport publié le 14 novembre qui évalue les impacts du changement climatique aux États-Unis. Ce projet soutient également la Earth System Grid Federation, une collaboration internationale dirigée aux États-Unis par le DOE qui gère et donne accès aux modèles climatiques et aux données observées.

« Notre travail intègre les données du modèle aux données observées pour obtenir la meilleure estimation de l’état du système Terre », a déclaré Massoud. « Cela permet aux scientifiques de faire des projections plus précises et plus précises sur l’évolution de la Terre et du climat. »

Plus d’information:
Elias C. Massoud et al, Pondération bayésienne des modèles climatiques basée sur la sensibilité climatique, Communications Terre et Environnement (2023). DOI : 10.1038/s43247-023-01009-8

Fourni par le Laboratoire national d’Oak Ridge

ph-tech