URL: https://linuxfr.org/news/quelles-temperatures-apres-2080 Title: Quelles températures après 2080 ? Authors: E3Ms6vyX etbim, Bruno Ethvignot, Ysabeau, Yves Bourguignon, orfenor et xunfr Date: 2021-03-09T13:39:53+01:00 License: CC By-SA Tags: climat, réchauffement_climatique et données_ouvertes Score: 6 De nombreux organismes de recherche étudient l’évolution du climat. À partir des conférences en ligne proposées par le Copernicus Climate Change Service ([C3S](https://climate.copernicus.eu/)), on va extraire les températures prévues en Europe après 2080, disponibles à travers le programme [EURO-CORDEX](https://euro-cordex.net/). ![Anomalie de la température moyenne annuelle de l'air en surface. Données NASA/GISS : [https://climate.nasa.gov/vital-signs/global-temperature/](https://climate.nasa.gov/vital-signs/global-temperature/)](https://i.postimg.cc/SNQGZXKw/nasa.png) Ci-dessus la variation de la température moyenne observée avec une référence prise sur la période 1951-1980, [données](https://data.giss.nasa.gov/gistemp/graphs/graph_data/Global_Mean_Estimates_based_on_Land_and_Ocean_Data/graph.txt) [NASA/GISS](https://climate.nasa.gov/vital-signs/global-temperature/). On observe une nette tendance à la hausse sur les dernières décennies. La régression [Lowess](https://doi.org/10.2307/2683591) lisse le signal afin de mieux distinguer les tendances. On réservera cependant le [code source](https://github.com/andreas-h/pyloess/blob/master/src/lowess.f) correspondant aux développeurs et aux développeuses aguerris. ---- [Euro-cordex](https://euro-cordex.net/) [Copernicus](https://www.copernicus.eu/fr) ---- En premier lieu, familiarisez-vous avec le sujet ! Consultez les présentations issues du [webinaire du C3S](https://climate.copernicus.eu/c3s-webinars-regional-climate-projections-europe), en particulier celles de [E. Kjellström](https://climate.copernicus.eu/sites/default/files/2021-03/C3SWebinar1_ErikKjellstrom.pdf) et de [E. Coppola](https://climate.copernicus.eu/sites/default/files/2021-03/C3SWebinar1_ErikaCoppola.pdf). # Présentation succincte d’EURO-CORDEX EURO-CORDEX est la ramification européenne du projet de recherche international CORDEX, financé par les Nations Unies à travers le [programme mondial de recherches sur le climat](https://fr.wikipedia.org/wiki/Programme_mondial_de_recherches_sur_le_climat). Le but de ce projet est d’améliorer les projections climatiques. EURO-CORDEX est dédié aux projections sur la zone Europe. ## Qu’est-ce qu’un modèle climatique  ? Ensembliste ? Un modèle climatique est un modèle météorologique adapté pour simuler le climat sur de très longues périodes, typiquement 300 ans. Pour des raisons de coût et de temps de calcul, mais également de stockage des données, les résolutions horizontales (la distance entre deux points de grille) et verticales utilisées dans les modèles climatiques sont généralement plus grossières que celles utilisées dans les modèles simulant les conditions météorologiques à courtes échéances comme une semaine ou dix jours. Il est impossible de prévoir le temps de manière déterministe à plus de sept jours car l’écoulement de l’atmosphère est chaotique. En effet, même pour des simulations portant sur les prochains jours, un petit écart dans les conditions initiales peut entraîner des différences énormes sur le temps prédit ([effet papillon](https://fr.wikipedia.org/wiki/Effet_papillon)). C’est l’image de billes de bois à la surface d’un fleuve : proches au début, les billes ont toutes des trajectoires différentes et peuvent se retrouver rapidement très éloignées. On peut tout de même analyser les différents scénarios météorologiques représentés par l’ensemble des billes, on qualifiera alors l’approche du terme « ensembliste ». L’effet papillon est souvent résumé au point suivant : _le battement d’ailes d’un papillon au Brésil peut provoquer une tornade au Texas_. D’un point de vue ensembliste, on pourrait compléter ce point par le suivant : _les battements d’ailes des papillons au Brésil ne changent ni la probabilité d’apparition des tornades au Texas, ni l’intensité probable de ces dernières_. À partir d’une situation initiale de référence constituée de paramètres météorologiques – observations à différentes altitudes corrigées après assimilation de donnée — un modèle météorologique donne une prévision. Concrètement, une prévision est le résultat d’une simulation, et on nomme _membre_ une prévision individuelle. De nombreuses conditions initiales peuvent être construites en perturbant la situation initiale de référence. En effectuant des prévisions pour un grand ensemble de conditions initiales, on construit un modèle météorologique ou climatique dit « ensembliste » (constitué de plusieurs membres). Plus généralement, on peut considérer un _membre_ comme la réalisation d’une expérience (numérique ici), et le modèle ensembliste comme un ensemble de réalisations. L’ensemble de réalisations peut être obtenu en changeant les conditions initiales, mais également en changeant certains paramètres physiques pour lesquels il y aurait de l’incertitude. Les membres sont indépendants et aucun ne peut être privilégié _à priori_ : les membres – simulations météorologique couvrant 300 ans –, les conditions initiales et les différentes paramétrisations ne peuvent pas être hiérarchisées et évoluent tout le temps au fil de l’évolution du modèle. Dans l’approche ensembliste, plus les membres s’accordent sur un point, plus il est probable. Ainsi, lorsque 2/3 des membres s’accordent, l’indice de confiance est de 60 %. Si la prévision déterministe est impossible après quelques jours, il existe des éléments du système qui sont bien connus (variations saisonnières du rayonnement solaire) ou qui, par inertie, varient lentement et sont mieux prévus (banquise et cryosphère, caractéristiques océaniques). Par exemple, une anomalie de température de l’eau comme l’ENSO ([El Niño](https://fr.wikipedia.org/wiki/El_Ni%C3%B1o) / [La Niña](https://fr.wikipedia.org/wiki/La_Ni%C3%B1a_(m%C3%A9t%C3%A9orologie))) favorise l’occurrence de situations météorologique aux dépens d’autres sur de grandes parties du globe et sur plusieurs mois. Le système climatique est dit « forcé » par ces éléments que l’on nomme des « forçages ». De nombreux forçages évoluent dans les modèles climatiques (augmentation de l’effet de serre, déforestation/désertification et changement d’occupation des sols, pluviométrie, température des océans, cryosphère, etc.). Bien prendre en compte l’évolution de ces forçages est l’une des clés permettant d’avoir des prédictions robustes. Bien entendu, au pas de temps tri-horaire ou quotidien (résolutions temporelles natives des modèles climatiques) le bruit domine sur le signal et l’évolution des forçages est peu visible. En revanche, sur une moyenne trimestrielle ou annuelle, ces évolutions émergent naturellement. Cette prévisibilité de long terme augmente lorsque l’on se rapproche des zones tropicales ou des pôles qui sont des zones à fortes inerties thermique (ceinture océanique tropicale ou cryosphère polaire). Aucun modèle de projection climatique ne saurait être parole d’évangile, le multi-modèle est donc indispensable en prévision longue échéance. Pour maximiser l’information et mieux cerner les incertitudes, les modèles climatologiques sont donc tous ensemblistes. EURO-CORDEX regroupe ainsi près de 40 modèles climatiques planétaires. Dans cette dépêche, les simulations s’appuient sur le modèle climatique planétaire IPSL-CM5A à résolution intermédiaire (1,25° x 2,5°). La surface étudiée lors des simulations est limitée à l’Europe, et à travers une descente d’échelle statistique, les modèles atteignent des résolutions jusque-là réservées aux modèles à courte échéance : 12 km de résolution horizontale actuellement, et 5 km prochainement. Dans le cadre de cette dépêche, on va **uniquement illustrer** l’extraction et l’analyse de données. Les données sélectionnées font partie de la catégorie _r1i1p1_. Les ensembles _r1_ correspondent à des ensembles constitués d’un unique membre et donc d’une unique réalisation. **On ne propose donc pas dans cette dépêche une analyse ensembliste de la température après 2080**. Les résultats ainsi obtenus sont purement illustratifs. Extraction des données ================= Sans création d’un compte ----------------- Vous pouvez récupérer des données à travers ce [lien](https://cds.climate.copernicus.eu/cdsapp#!/dataset/projections-cordex-domains-single-levels?tab=form). L’accès ainsi obtenu est limité, privilégiez l’accès avec un compte pour reproduire l’analyse proposée ici. Avec création d’un compte ----------------- Vous pouvez créer un compte sur [https://esgf-node.ipsl.upmc.fr/](https://esgf-node.ipsl.upmc.fr/) ou sur tout autre [nœud](https://esgf.llnl.gov/nodes.html) de la [fédération ESGF](https://esgf.llnl.gov/index.html). Pour le nœud [IPSL](https://www.ipsl.fr/), après création du compte, l’extraction des données EURO-CORDEX se fera sur [https://esgf-node.ipsl.upmc.fr/search/cordex-ipsl/](https://esgf-node.ipsl.upmc.fr/search/cordex-ipsl/). À titre illustratif, on va filtrer les données en sélectionnant : - « EUR-11 » dans « Domain » (résolution spatiale de 0,11 °, soit environ 12,5 km) ; - « RCP » dans « Experiment family » ; - « day » dans « Time frequency ». Pour extraire les températures moyennes, il faut sélectionner « tas », dans « Variable ». À ce stade, il y a des centaines de jeux de données disponibles. On va sélectionner les données issues de l'[IPSL](https://www.ipsl.fr/) dans « Institute ». Enfin, on va sélectionner le modèle climatique planétaire « IPSL-IPSL-CM5A-MR » dans le champ « Driving model ». Pour les expériences disponibles (RCP4.5 et RCP8.5), récupérez le script WGET associé à chaque jeu de donnée ou téléchargez directement les fichiers (List files => HTTP Download). Les données prennent la forme de fichiers [NetCDF](https://fr.wikipedia.org/wiki/NetCDF). On va se limiter aux fichiers couvrant la période 01/01/2016-31/12/2020 pour référence et 01/01/2081-31/12/2100 pour les températures après 2080. Notez bien que chaque fichier pèse 660 Mio et que le téléchargement n’est possible qu’après avoir rejoint le groupe « CORDEX Research » ou « CORDEX Commercial ». Lors du premier téléchargement direct d’un fichier par HTTP, vous aurez la possibilité de rejoindre l’un des groupes. En cas de difficulté, n’hésitez pas à consulter la [FAQ](https://esgf.github.io/esgf-user-support/user_guide.html#data-search-and-download). Les expériences RCP ================= À partir d’hypothèses sur les évolutions sociétales et technologiques, on esquisse des trajectoires d’évolution pour les émissions nettes (émission - stockage) des gaz à effet de serre ainsi que pour l’occupation des sols. Les expériences [RCP](https://fr.wikipedia.org/wiki/Sc%C3%A9nario_RCP) ont été établies par le GIEC et correspondent au regroupement de scénarios jusqu’à l’horizon 2300. Elles sont nommées d’après le [forçage radiatif](https://fr.wikipedia.org/wiki/For%C3%A7age_radiatif) de l’année 2100. Ainsi, l’expérience RCP2.6 correspond à un forçage radiatif de 2,6 W/m² en 2100. Plus le forçage est important, plus le système terre-atmosphère gagne en énergie et se réchauffe. Nombre de scénarios avec des émissions nettes faibles ou négatives à long terme s’appuient sur une production d’énergie issue en grande partie de biomasse, avec capture et stockage du carbone émis lors de la production d’énergie. L’accord de Paris sur le climat (2015) aspirait à une variation de 1,5 °C au-dessus du niveau préindustriel, ce qui correspond à RCP1.9. Ce cas de figure est jugé improbable et inatteignable. ![Émissions nettes de CO2 jusqu’en 2100. Global Carbon Budget 2015. Global Carbon Project, https://www.globalcarbonproject.org/carbonbudget/archive/2015/GCP_budget_2015_v1.02.pdf](https://i.postimg.cc/wBnk56rS/co2-net-emissions.png) Visualiser les données NetCDF ================= Une partie des données est visualisable sans téléchargement mais implique la [création d’un compte Copernicus](https://cds.climate.copernicus.eu/user/register?destination=%2F%23!%2Fhome). Après création du compte, vous pourrez visualiser les données interactivement à l’aide de l’[éditeur en ligne](https://cds.climate.copernicus.eu/toolbox-editor). De nombreux [exemples](https://cds.climate.copernicus.eu/toolbox/doc/gallery/index.html) sont proposés. Si vous avez téléchargé des données, l’utilitaire [ncview](https://packages.debian.org/fr/sid/ncview) est léger et très pratique pour visualiser des données NetCDF. ![Capture d’écran ncview](https://i.postimg.cc/Hk6m93c0/ncview-2.png) Exploitation des données NetCDF ================= Pour importer et exploiter des données NetCDF en python, installons quelques modules : ```Bash $ pip3 install netcdf4 numpy matplotlib ``` Lançons un interpréteur python3 et importons un jeu de données : ```python import numpy as np import matplotlib.pyplot as plt import netCDF4 as nc ds = nc.Dataset("nom_dataset") print(ds) ``` Dans le champ **dimensions**, on observe qu’il y a 412 latitudes, 424 longitudes et 1 827 échantillons temporels disponibles. Dans le champ **variables**, on observe des variables : - uni-dimensionnelles : _time_, _rlat_ et _rlon_ pour le temps, la latitude et la longitude - bi-dimensionnelles : _lat_ et _lon_ pour la latitude et la longitude - tri-dimensionnelle : _tas_ pour la température Affichons les limites spatiales et temporelles du domaine : ```python for var in ['rlat', 'rlon', 'time']: print("Variable " + var + " : " + np.str(ds.variables[var][0].data) + " / " + np.str(ds.variables[var][-1].data)) ``` Pour les données issues de l'expérience RCP4.5 couvrant la période 2016-2020, on observe les bornes suivantes : ``` Variable rlat : -23.375 / 21.835 Variable rlon : -28.375 / 18.155 Variable time : 24137.5 / 25963.5 ``` Les limites spatiales ne correspondent pas [directement](https://cordex.org/domains/cordex-region-euro-cordex/) à la latitude et à la longitude. Les coordonnées de Paris dans le référentiel local sont -0.81 / -10.23 en latitude / longitude d'après ce [lien](https://agrimetsoft.com/Cordex%20Coordinate%20Rotation.aspx). On pourra donc extraire la température à Paris au niveau du point 205 en latitude et 165 en longitude. Les limites temporelles sont obscures de prime abord, mais toutes les informations sont disponibles : ```python >>> print(ds.variables['time']) float64 time(time) standard_name: time calendar: standard axis: T bounds: time_bnds units: days since 1949-12-01 00:00:00 unlimited dimensions: time current shape = (1827,) filling off ``` On peut immédiatement tracer l’évolution de la température à Paris et en Europe au cours du temps. ```python plt.plot(ds.variables['tas'][:,205,165] - 273.15, '-k') plt.xlabel("Nombre de jours, 5 ans") plt.ylabel("Température en °C") plt.title("Évolution de la température à Paris. 2016-2020.") plt.show() # Calcul approximatif mais rapide de la moyenne spatiale plt.plot(np.mean(ds.variables['tas'][:,:,:], axis=(1,2)) - 273.15, '-k') plt.xlabel("Nombre de jours, 5 ans") plt.ylabel("Température en °C") plt.title("Évolution de la température en Europe. 2016-2020.") plt.show() ``` Paris. Évolution sur 5 ans, de 2016 à 2020. | Europe. Évolution sur 5 ans, de 2016 à 2020. ---------------------|------------------------------ ![Température Paris 2016-2020](https://i.postimg.cc/JhrXNTzS/ref-5ans.png) | ![Température Europe 2016-2020](https://i.postimg.cc/D0S1NFmt/ref-eur-5ans.png) Les figures ci-dessus correspondent à une moyenne, sur la période 2016-2020, des expériences RCP4.5 et RCP8.5. En complément du signal brut, on va calculer de manière abrupte et **approximative** une moyenne annuelle sur la période 2016-2020 : ```python def moyenne(array): sortie = (array[:365,:,:] + array[365:730,:,:] + array[730:1095,:,:] + array[1095:1460,:,:] + array[1460:1825,:,:]) / 5. return sortie ``` Paris. Évolution sur une année-type entre 2016 et 2020. | Europe. Évolution sur une année-type entre 2016 et 2020. ---------------------|------------------------------ ![Paris. Température annuelle 2016-2020](https://i.postimg.cc/htbx7Fc9/ref-1an.png) | ![Europe. Température annuelle 2016-2020](https://i.postimg.cc/B6YxNtZT/ref-eur-1an.png) Les figures ci-dessus correspondent à une moyenne, sur la période 2016-2020, des expériences RCP4.5 et RCP8.5. On va prendre cette température annuelle pour référence, et la comparer à la température annuelle sur la période 2081-2100 pour les deux expériences RCP. Paris. Température annuelle après 2080. | Europe. Température annuelle après 2080. ----------------------|--------------- ![Paris. Comparaison ref VS RCP4.5 VS RCP8.5](https://i.postimg.cc/52ML09d4/comparaison.png) | ![Europe. Comparaison ref VS RCP4.5 VS RCP8.5](https://i.postimg.cc/G2hFkvR3/comparaison-eur.png) Pour le jeu de données sélectionné (moyenne des expériences RCP4.5 et RCP8.5 avec multi-modèle climatique planétaire « IPSL-IPSL-CM5A-MR »), la température moyenne sur la période 2016-2020 est de 12,3 °C à Paris et 10,7 °C en Europe. Sur la période 2081-2100, les expériences RCP4.5 et RCP8.5 sélectionnées conduisent à une augmentation de la température moyenne à Paris de +0,3 °C et +1,8 °C par rapport à 2016-2020. En Europe, l’augmentation est de +1,4°C et +3,5 °C par rapport à 2016-2020. Attention, ici on regarde l’élévation de température pour un membre donné et par rapport à la période 2016-2020, ce qui ne correspond pas à une température de référence prise à la période pré-industrielle. La température obtenue avec un membre particulier et en un point précis est incertaine et n’est pas toujours représentative du climat à l’échelle planétaire ou continentale : dans l’approche ensembliste, il faut comparer plusieurs membres pour obtenir des prédictions fiables. Ce bémol est particulièrement important pour les zones urbaines denses au sein desquelles la météorologie a des spécificités ([îlot de chaleur urbain](https://fr.wikipedia.org/wiki/%C3%8Elot_de_chaleur_urbain)). Conclusions ================= Cette dépêche a une vocation illustrative et propose quelques pistes permettant d’exploiter les projections climatiques EURO-CORDEX. L’analyse des climats futurs (suivant les différents scénarios) a été approfondie par de nombreux organismes (notamment [Météo-France](https://meteofrance.com/climat), l’[IPSL](https://www.ipsl.fr/), le [CERFACS](https://cerfacs.fr/) et le [CNRM](http://www.umr-cnrm.fr/?lang=fr), cf portail Drias : [http://www.drias-climat.fr/](http://www.drias-climat.fr/)). Les statistiques sur les fréquences et les intensités des vagues de chaleur sont réalisées en étudiant les différents membres des modèles climatiques regroupés dans EURO-CORDEX. Ce point a été largement évoqué en introduction lors de la présentation de l’approche ensembliste. La prévision des évènements climatiques extrêmes (canicule, crue) et de leur fréquence reste un défi scientifique. C’est un enjeu majeur, en particulier pour les pouvoirs publics dans le cadre de l’aménagement du territoire. La plupart des ouvrages sont dimensionnés pour résister à un évènement extrême (crue décennale par exemple). Les cumuls de précipitations observés lors des [épisodes méditerranéens récents](https://meteofrance.com/actualites-et-dossiers/actualites/entretiens/les-episodes-mediterraneens-les-plus-forts-seront-plus-frequents), comme celui qui s’est passé dans les Alpes Maritimes, sont d’ores et déjà 20 % plus élevés qu’il y a 50 ans. Le climat futur nécessitera à la fois que l’on adapte l’occupation des sols pour que l’ampleur d’une crue décennale n’augmente pas trop et des travaux sur les ouvrages afin qu’ils puissent résister à des crues de plus grande ampleur. Adapter l’occupation des sols passe par une maîtrise de l’urbanisme, actuellement associé à l’imperméabilisation des sols. Cette adaptation passe également par une modification des cultures et de l’alimentation : il est indispensable d’avoir des plantes cultivées adaptées au climat. Face aux changements climatiques, des cultures avec une évapotranspiration intense menacent les ressources en eau potable et l’autosuffisance alimentaire à moyen terme.