Pour faire face à ce changement sans précédent, les scientifiques s'appuient sur des modèles climatiques – des outils de calcul sophistiqués qui simulent le système climatique de la Terre. Ces modèles ne sont pas de simples prévisions; ils sont essentiels pour comprendre comment les émissions de gaz à effet de serre, les changements d'affectation des terres et la variabilité naturelle interagissent pour produire des modèles climatiques futurs. En décodant ces interactions, les modèles climatiques permettent aux décideurs, aux entreprises et aux collectivités de prendre des décisions éclairées en matière d'adaptation et d'atténuation. Pourtant, malgré leur pouvoir, ces modèles sont assortis d'incertitudes et de limitations inhérentes.

Quels sont les modèles climatiques?

Les modèles climatiques sont des représentations mathématiques du système climatique terrestre, qui traduisent des lois physiques, telles que la conservation de l'énergie, de l'élan et de la masse, en équations décrivant le comportement de l'atmosphère, des océans, de la surface terrestre et de la glace. Ces équations sont résolues sur une grille tridimensionnelle qui divise le globe en milliers de cellules, représentant chacune un volume spécifique d'air ou d'eau. Le modèle avance ensuite dans le temps, simulant comment l'énergie, l'humidité et l'élan se déplacent entre les cellules.

Les modèles climatiques se distinguent des modèles météorologiques par leur échelle de temps.Alors que les modèles météorologiques prédisent les conditions de jours à semaines à venir, les modèles climatiques courent pendant des décennies à des millénaires, captant les tendances et les moyennes à long terme.Ils reposent sur des intrants fondés sur des scénarios, tels que les Pathways de concentration représentatives (RCP)[ ou les nouveaux Pathways socio-économiques partagés (SSP)[, qui décrivent différents avenirs possibles pour les émissions de gaz à effet de serre, la croissance démographique et les changements technologiques.

Types de modèles climatiques

Les modèles climatiques varient en complexité et en finalité.Les trois principales catégories sont les modèles d'équilibre énergétique (EME), les modèles de circulation générale (CMG) et les modèles climatiques régionaux (MRC).Une classe plus récente, les modèles de système terrestre (EMS), intègre les cycles biogéochimiques, les rendant plus complets.

Modèles de bilan énergétique (BDE)

Les EBM sont la forme la plus simple, se concentrant sur l'équilibre entre le rayonnement solaire entrant et le rayonnement thermique sortant. Ils traitent la Terre comme un point unique ou comme un ensemble de bandes latitudinales, ignorant les processus spatiaux détaillés. Bien que les EBM ne puissent pas simuler les modèles météorologiques régionaux, ils sont utiles pour explorer la sensibilité climatique fondamentale – combien de réchauffement résulte d'une augmentation donnée du CO2.

Modèles de circulation générale (MCG)

Les MCG modernes fonctionnent avec des résolutions de grille de 25 à 100 km, captant des éléments comme les traces de tempête et les événements d'El Niño. Ils intègrent des paramétrisations – des représentations mathématiques simplifiées – pour des processus trop petits pour résoudre directement, comme la formation de nuages, la turbulence et la convection. Le ]Coordonne des expériences utilisant des dizaines de MCG provenant de centres de recherche du monde entier, fournissant un ensemble multimodèles qui sous-tend les rapports du GIEC.

Modèles climatiques régionaux (MRC)

Les MRC « à l'échelle réduite » permettent de réaliser des simulations globales pour des résolutions plus fines, généralement de 1 à 25 km, sur une zone limitée, comme un continent ou une chaîne de montagnes. Cette résolution plus élevée permet de saisir la topographie, les côtes et les modes d'utilisation des terres qui influent sur les précipitations et la température. Par exemple, un MRC peut simuler comment les Himalayas modifient les précipitations de mousson ou comment les îles de chaleur urbaines amplifient les ondes de chaleur.

Modèles de système terrestre (ESM)

Les MES étendent les MCG en incluant des cycles biogéochimiques interactifs — carbone, azote et soufre — ainsi que la dynamique de la végétation et l'écologie océanique. Ils représentent des rétroactions comme la façon dont le changement de CO2 affecte la croissance végétale (l'effet de fertilisation du CO2) et la façon dont le pergélisol dégele le méthane. Les MES sont essentielles pour étudier les rétroactions carbone-climat et pour prévoir comment les écosystèmes réagiront au réchauffement.

Comment fonctionnent les modèles climatiques

Les modèles climatiques fonctionnent en résolvant un ensemble d'équations différentielles couplées qui décrivent la dynamique des fluides, la thermodynamique et le transfert radiatif. À chaque cellule de grille, le modèle calcule des variables telles que la température, la pression, l'humidité, la vitesse du vent et la salinité de l'océan à chaque étape, habituellement toutes les 30 minutes pour l'atmosphère et quelques heures pour l'océan.

Initialisation et spin-up

Les modèles doivent être initialisés avec des données observées — champs de température, couverture de glace, composition atmosphérique — pour représenter le climat actuel. Comme les observations sont incomplètes, les modèles subissent une période de «découplage» où ils courent pendant des décennies sous un forçage constant pour atteindre l'équilibre.

Scénario de forçage

Une fois le modèle lancé, il est alimenté par des forçages externes : concentrations de gaz à effet de serre, aérosols, irradiance solaire, éruptions volcaniques et changements d'utilisation des terres. Pour les projections futures, ces forçages suivent les scénarios prescrits. Les RCP (p. ex. RCP2.6, RCP4.5, RCP8.5) spécifient des niveaux de forçage radiatif d'ici 2100, tandis que les SSP[ combinent des récits socio-économiques et des trajectoires d'émissions.

Simulations d'ensemble

Pour tenir compte de la variabilité du climat interne – les fluctuations naturelles comme El Niño – les scientifiques s'en tiennent : des simulations multiples avec des conditions initiales légèrement différentes. Un ensemble de 30 membres peut capter la propagation de la variabilité naturelle, permettant aux chercheurs de distinguer le changement climatique forcé du bruit. La moyenne de l'ensemble fournit la trajectoire la plus probable, tandis que la propagation quantifie l'incertitude.

Composantes clés des modèles climatiques

Chaque composante du système climatique est représentée par un sous-modèle qui échange des informations avec d'autres aux interfaces terre-océan-atmosphère.

Composantes atmosphériques

Ces derniers simulent la circulation de l'air, le transfert radiatif (solaire et infrarouge), la physique, les précipitations et la chimie des nuages. Les nuages demeurent l'une des plus grandes sources d'incertitude parce qu'ils sont à la fois frais (en réfléchissant à la lumière du soleil) et chauds (en piégant la chaleur) de la Terre.

Composantes océaniques

Les modèles océaniques simulent les courants, la température, la salinité et la glace de mer. L'océan absorbe environ 90 % de l'excès de chaleur résultant du réchauffement climatique, de sorte que la représentation exacte de l'océan est essentielle pour projeter l'élévation du niveau de la mer et l'absorption de chaleur.

Composantes de surface terrestre

Les modèles terrestres capturent la végétation, l'humidité du sol, la couverture de neige et l'hydrologie de surface. Ils simulent des processus comme l'évapotranspiration, le ruissellement et l'absorption de carbone par les plantes. Le Modèle de terres communautaires (CLM) est largement utilisé.

Composantes de la cryosphère

Les calottes glaciaires (Greenland, Antarctique), les glaciers et les glaces de mer sont modélisés par des équations dynamiques qui expliquent le flux de glace, la fonte et le vêlage. Les modèles de calottes glaciaires sont particulièrement importants pour les projections à long terme du niveau de la mer, mais ils demeurent difficiles en raison de la dynamique complexe des lignes de mise à la terre et de l'hydrologie subglaciaire.

Composants biogéochimiques

Les MES comprennent des cycles de carbone, d'azote et d'autres éléments. Ils modélisent la photosynthèse, la respiration, la décomposition et la chimie du carbone océanique.Ces composantes permettent d'étudier les rétroactions : par exemple, comment le réchauffement accélère la décomposition du sol, libère plus de CO2, ce qui amplifie le réchauffement, ce qu'on appelle la « rétroaction carbone-climat ».

L'importance des modèles climatiques

Les modèles climatiques sont indispensables pour comprendre la trajectoire du réchauffement climatique et formuler des politiques fondées sur des données probantes.Le Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC)[ s'appuie sur des ensembles multimodèles du CMIP pour produire ses rapports d'évaluation.Ces rapports constituent à leur tour la base scientifique d'accords internationaux comme l'Accord de Paris.

Les modèles aident également à déterminer l'attribution des événements extrêmes. À l'aide d'une technique appelée attribution des événements, les scientifiques comparent les simulations avec et sans gaz à effet de serre induits par l'homme pour déterminer dans quelle mesure les changements climatiques ont accru la probabilité ou l'intensité d'une vague de chaleur, d'une inondation ou d'une sécheresse.

Applications des modèles climatiques

Les résultats des modèles climatiques s'étendent en cascade dans un large éventail d'applications pratiques, en donnant des informations sur les décisions prises à l'échelle mondiale, nationale et locale.

Élaboration de politiques et accords internationaux

Les projections du modèle sous-tendent les objectifs d'émissions. Les Contributions déterminées à l'échelle nationale (CND)[ de chaque pays sont évaluées par rapport aux voies fondées sur le modèle pour voir s'ils sont compatibles avec la limitation du réchauffement à 1,5 °C ou 2 °C. Le Rapport spécial du GIEC sur le réchauffement de 1,5 °C a utilisé des modèles pour démontrer que la réalisation de cet objectif nécessite des transitions rapides et de grande portée dans les systèmes énergétiques, terrestres, urbains et industriels.

Préparation aux catastrophes et gestion des risques

Les modèles régionaux de réduction des précipitations fournissent des projections à haute résolution des précipitations extrêmes, des vagues de chaleur et des ondes de tempête.Ces données aident les villes à concevoir des systèmes de drainage, à construire des murs de mer et à mettre au point des systèmes d'alerte précoce.

Gestion des ressources

Les agriculteurs utilisent des prévisions saisonnières pour déterminer les variétés de cultures et les dates de plantation. Les gestionnaires des ressources en eau utilisent les projections de la neige et du ruissellement pour répartir les rejets de réservoirs. Les fournisseurs d'énergie utilisent le modèle de la demande changeante en chauffage et en refroidissement, ainsi que la disponibilité des ressources éoliennes et solaires, pour planifier les investissements dans les réseaux.

Santé publique

Les modèles climatiques aident à prédire la propagation de maladies à transmission vectorielle comme le paludisme et la dengue, qui sont sensibles à la température et aux précipitations.Ils informent également les plans d'action sur la santé thermique en projetant la fréquence et l'intensité des ondes de chaleur.

Les défis de la modélisation climatique

Malgré leur sophistication, les modèles climatiques sont confrontés à des défis fondamentaux qui limitent leur précision et leur utilité.

Incertitude inhérente et chaos

Le système climatique est chaotique : de petites différences dans les conditions initiales peuvent conduire à des résultats divergents, en particulier à l'échelle régionale, ce qui signifie que les projections à long terme sont intrinsèquement probabilistes plutôt que déterministes. Les modèles ont aussi des difficultés à «de profondes incertitudes» quant au comportement futur de l'homme – croissance économique, déploiement technologique, choix politiques – qui ne peuvent être modélisés physiquement mais doivent être prescrits par des scénarios.

Paramètre et limites de résolution

De nombreux processus se produisent à des échelles plus petites que la grille du modèle, forçant l'utilisation de paramétrisations. La formation de nuages, le mélange turbulent et la convection sont particulièrement difficiles à paramétrer. Les erreurs dans ces schémas de sous-réseau se propagent par la simulation.

Limites des données

Les modèles exigent des observations de haute qualité pour l'initialisation, la validation et l'amélioration. Pourtant, de nombreuses régions, en particulier les océans, les régions polaires et les pays en développement, ont des données peu nombreuses. Les missions satellitaires comme NASA's Earth Observing System et ESA's Copernicus program ont amélioré la couverture, mais des lacunes subsistent.

Étendue du modèle et erreurs structurelles

Cette « propagation du modèle » reflète des incertitudes structurelles, qui varient selon les paramétrisations, les schémas numériques et les processus manquants. Par exemple, la sensibilité au climat à l'équilibre (ECS) des modèles CMIP6 varie d'environ 1,8°C à 5,5°C. La réduction de cette propagation est une priorité absolue en sciences du climat.

S'attaquer à l'incertitude des modèles climatiques

Les scientifiques utilisent de multiples stratégies pour réduire et quantifier l'incertitude.

Modélisation de l'ensemble et moyens multimodèles

La répartition de l'ensemble permet de mesurer la confiance. La moyenne multimodèle CMIP6 est la base standard des projections du GIEC. Les modèles de pondération basés sur les performances historiques peuvent améliorer encore la fiabilité.

Assimilation des données

L'assimilation des données combine des simulations de modèles avec des observations en temps réel pour produire des « analyses » – la meilleure estimation du climat passé. Les analyses comme ERA5 du Centre européen pour les prévisions météorologiques à moyenne distance (ECMWF) sont utilisées pour initialiser les modèles et pour identifier les biais systématiques.

Améliorer la représentation physique

Les campagnes de terrain comme Le programme ARM (Mesure des rayonnements atmosphériques) de la NASA fournit des données à haute résolution pour tester et affiner ces schémas. L'apprentissage automatique est un outil qui permet d'apprendre les paramétrisations à partir de simulations ou d'observations à haute résolution.

Physique stochastique

Au lieu de paramétriser les paramètres déterministes, certains modèles intègrent maintenant des perturbations aléatoires pour représenter des processus non résolus. Cette "physique stochastique" améliore le réalisme de la variabilité interne et aide à quantifier l'incertitude de prévision.

Orientations futures de la modélisation climatique

La modélisation climatique évolue rapidement, grâce aux progrès de la calculation et aux nouvelles perspectives scientifiques. La prochaine décennie promet des changements transformatifs.

Computing exascale et haute résolution

Les supercalculateurs exascales (capables de 1018 opérations par seconde) permettront pour la première fois des simulations globales à l'échelle du kilomètre.Ces modèles résoudront explicitement les orages, les tourbillons océaniques et la dynamique côtière, réduisant ainsi le besoin de paramétrisations.Le projet Next Generation Earth System Models vise une atmosphère mondiale de 5 km et un kilomètre d'ici 2030.

Intelligence artificielle et apprentissage automatique

L'IA révolutionne la modélisation climatique de plusieurs façons. L'apprentissage automatique peut accélérer l'émulation de composants de modèles coûteux, accélérer l'optimisation des paramètres et identifier les modèles dans les grands ensembles de données. Des modèles d'apprentissage profond sont utilisés pour prédire les événements ENSO à partir des cartes de température de surface de la mer.

Jumelles numériques de la Terre

Un « jumeau numérique » est une réplique en temps réel et haute fidélité du système terrestre qui peut être utilisé pour l'expérimentation interactive et le soutien à la décision.L'initiative European Destination Earth (DestinE) vise à construire des jumelles numériques qui relient les modèles climatiques aux données socioéconomiques, permettant aux utilisateurs d'explorer les scénarios « et si » d'interventions politiques.

Ensembles de gros et de conditions initiales

Pour mieux comprendre la variabilité interne et les extrêmes rares, les scientifiques produisent des « grands ensembles » de centaines de simulations avec des conditions initiales légèrement différentes. Le modèle de système terrestre communautaire Grand Ensemble (CESM-LE) a été un élément central dans la documentation du rôle de la variabilité naturelle dans les tendances observées.

Interactions améliorées avec la biogéochimie et la cryosphère

Les modèles à venir vont mieux coupler le cycle du carbone, les calottes glaciaires et les écosystèmes marins. Les modèles à calottes glaciaires et climatiques sont essentiels pour projeter l'élévation du niveau de la mer au-delà de 2100.

Conclusion

Les modèles climatiques sont passés de simples équations d'équilibre énergétique à des simulateurs de systèmes terrestres sophistiqués et à composants multiples, indispensables pour comprendre la trajectoire du changement climatique, attribuer des événements extrêmes et orienter les efforts d'adaptation et d'atténuation dans le monde entier. Pourtant, ils demeurent des instruments imparfaits, limités par le chaos, les limites informatiques et l'imprévisibilité fondamentale des choix humains. L'intégration continue de l'informatique exa-scale, de l'apprentissage machine et des observations à haute résolution promet de réduire les incertitudes et de fournir des informations plus concrètes à l'échelle locale.