De la mécanique des fluides de l'environnement à la prévision du ...

Quatre grands pionniers de laprévision environnementale

Le Verrier (1811-1877)Astronome, directeur del’Observatoire de Paris,crée en 1854 le premierréseau d’observationsmétéorologiques après ladestruction de la flottefrançaise en Mer Noire

Vilhelm Bjerknes(1862-1951)affirme en 1904 que laprévisionmétéorologique est unproblème scientifiquequi peut être mis enéquations

Lewis Fry Richardson(1881-1953)réalise en 1920 lepremier essai de calcul« à la main » del’évolution del’atmosphère à partirdes équations de lamécanique des fluides

Jules Charney(1917-1981)réalise la premièreprévisionmétéorologique« numérique » en1950 sur la machine« ENIAC »

La vision est devenue réalité

Proportion des très mauvaises prévisions à 7 jours(Corrélation d’anomalie pour la température à 850hPa inférieure à 50%)

Exemple de la prévision de Nargis, mai 2008 Nargis le 2 mai 0600UTC !

Positions observées du cyclone NargisFormation lelundi 28 Avril Nargistouche lescôtesbirmanes lesamedi 3mai

Les prévisions faites le lundi 28 avril montrent un événementtrès prévisible 5 jours à l’avance

J+5 du 23 avril 00z (28 avril)! J+9 du 23 avril 00z (2 mai)!Premièresobservations ducyclone le 28 avril!Un signal utile10 jours àl’avance Probabilités deformation dʼuncyclone!

Les modèles numériques

Équations des fluides de l’environnementP : pressionρ : densitéU : énergie interneT : températureq : concentration en vapeur d’eau

Puissance de calcul et finesse de la grille au CentreEuropéen de Prévisions Météorologiques à Moyen TermeAnnéePuissance soutenueTFlopsFinesse de la grilleglobale (km)1990 0.001 1301995 0.01 (x10) 622000 0.3 (x30) 402005 2.5 (x8) 252010 20 (x8) 162015 160 (x8) ?? 10 ??

320-km resolution

80-km resolution

20-km resolution

Simulations sur grille 1km et grands domaines(la routine dans 10 ans)

Prévisions pour Katrina le 12 UTC, Lundi 29 Aout 2006prévision36h++40km 60N25km 91Nprévision72h++40km 60N25km 91N

Quelques défis actuels en modélisationTrouver des schémas numériques performants, conservatifs, précisDiminuer encore les biais des modèles en améliorant les lois decomportement (frottements au sol, effets des nuages, etc…)Organiser les calculs et transferts de données pour tirer pleinementparti des machines pétaflopiques et exaflopiques, dont lesarchitectures évoluent très vite

Les observations et leur utilisation

Les satellites d’observation de la TerreSource: WMO

Mission AEOLUS: la première mesure directe du vent parfaisceau laser depuis l’espace (2013?)

La beauté de l’assimilation variationnelleOn définit une fonction “coût” qui pénalise l’écart aux observations etl’écart à l’état a priori du modèleLa minimisation de la fontion coût par contrôle optimal donne l’incrémentqu’il faut ajouter à l’état a priori du modèle pour obtenir la meilleureestimation de la réalitéincrementy: array of observationsx: represents the model/analysis variablesH: linearized observation operatorsB: background error covariance matrixR: observation error covariance matrixBackground errorcovariancein terms of theobserved quantitiesVecteur innovation

Principe du calcul du vecteur “innovation”!Model T and q H Model radiance compare Observed satellite radiance

Quelques défis actuels sur les observationsFiabiliser la technique laser dans l’espaceDévelopper les méthodes adaptatives pour ne réaliser que desobservations utiles

La représentation des incertitudespar la méthode des ensembles

Le chaos et sa traduction enmétéorologie: l’effet papillonEdward Lorenz (1917-2008)Les « détails » de l’écoulementatmosphérique (dépressions, nuages) nesont pas prévisibles au delà de 10 joursMais si on cherchait seulement àcaractériser l’écoulement de plus grandeéchelle?

Principes de la prévision d’ensembleAu lieu d’une prévision unique « déterministe », on fait un ensemble deprévisions (par exemple, 50)L’état initial de l’atmosphère est légèrement perturbé de manière différentepour chaque membre de l’ensembleLors du calcul, on ajoute des petites perturbations aléatoires pour fairediverger encore plus les différentes prévisionsL’ensemble représente les différentes évolutions possibles compte tenu desincertitudesLa moyenne de l’ensemble est une assez bonne prévision déterministeLa distribution des membres de l’ensemble permet de calculer desprobabilités qu’un événement donné se produise

La tempête Lothar de Décembre 1999100 morts400 millions d’arbres abattusL’église de Balliveirs et le Parcde Versailles

Prévision d’ensemble à 48h du 24/12/99

Quelques défis actuels pour la prévision d’ensembleReprésenter l’incertitude propre au modèle par des méthodes« stochastiques »Calibrer les ensembles par des prévisions rétrospectivesDévelopper l’utilisation des prévisions probabilistes par tous lessecteurs économiques (méthodes de support à la décision)

Au delà de 15 jours?

L’exemple du phénomène El NinoDécembre 97

Situation de type « La Nina »printemps 98

Un couplage entre l’atmosphère et l’océantempérature de surface =>vent=>température de surfacel’océan impose des constantes de tempslongues => prévisibilité augmente

Les réseaux de bouées ancrées:exemple du réseau TAO

On sait maintenant prévoir « El Nino »trois mois à l’avance

Le développement del’océanographie opérationnelle:les flotteurs Argo

Mercator Océan, premier centre opérationnel deprévisions océanographiquesModèle de l’océanglobal à résolution10kmChaque semaine,une prévision àquinze jours del’état de l’océanglobal

Quelques défis pour la prévision à longue échéanceAméliorer la prévision saisonnière sur l’Europe– Les modèles couplés sous-estiment actuellement le lien statistiqueentre la température de surface de l’océan Atlantique et la températiremoyenne de l’hiver suivant en EuropeMieux représenter l’oscillation de Madden-Julian dans les modèles(océan Indien-continent maritime-océan Pacifique)Pérenniser le réseau d’observations in situ des océans

L’état chimique de l’atmosphère

Southern Hemisphere Ozone Hole, Oct 2003- Operational Assimilation of MIPAS & SBUV1 October 2003 Horizontal Ozone distribution Ozone cross section Sonde and model at Neumayerantarctic station (70.7S 8.3W)

Les aérosols désertiques

Les incendies californiens d’Octobre 2002

Le CO2 a de multiples sources, sa distribution estassez variable, et son impact radiatif est fortCO2 simulé à 5kmd’altitude le 20Aout 2003, enimposant lesémissions desfeux de forêtafricainsSection verticale du CO 2reconstitué à partir desmesures de l’instrument AIRS(NASA), le long de l’axe dupanache

Quelques défis pour la prévision de l’étatchimique de l’atmosphèreMettre en place un système d’observation de l’état chimique del’atmosphère (satellites+sondages+mesures au sol) grâce à lacollaboration internationale– La mission Earthcare de l’ESA, prévue pour 2014, sera la premièreassociant un lidar et un radar, permettant de mesurer la distributionverticale des aérosols, et de déduire leur composition chimique de leurspropriétés radiatives.– La mission OCO (Orbiting Carbon Observatory) de la NASA, prévuepour 2013, fournira les première mesures spatiales détaillées du CO2dans les basses couches de l’atmosphèreReconstituer les sources de CO2 à partir de ces mesures

Le « Système Terre » est-ilprévisible?

Forçages externesAérosolsGaz à effet de serreInsolationLes modèles couplés duSystème TerreAérosol-ChimieMOCAGEO 3 (MOBIDIC)+ GES (IMAGE)La composante atmosphérique des ModèlesClimatiques est similaire aux Modèles dePrévision MétéorologiquesLes modèles climatiques sont similaires auxmodèles de prévision saisonnièreAtmosphèreARPEGE-ClimatSurfaces continentalesISBABiogéochimieGlacede merOcéanOPAIcebergsCalottesGRISLIGREMLINSFleuvesTRIP

Variations de la température moyenne globale ensurface simulées et observées sur 1850-2010ObservationsSimulations avecforçages naturelsSimulationsSimulations de contrôle pour le 5ème rapport du GIECavec augmentation observée de la teneur atmosphérique engaz à effet de serre + aérosols + variabilité solaire + effet des volcans

Les éruptions volcaniques majeuresmodifient la température de la stratosphèrependant 2 à 3 ansMSU-4 data (TIROS-N to NOAA-14; Mears et al., 2003)Equivalent from ERA-40 re-analysis (Santer et al., 2004)

« Prévisions » versus « Scénarios »Une « prévision » est basée sur un état initial observé del’atmosphère et de l’océan à un instant donné, et représente ce quiva se passer à un instant ultérieur.– Les prévisions sont interprétées de manière « absolue »– Leur qualité est limitée par les incertitudes sur l’état initial, par lesimprécisions du modèle numérique, et par la prévisibilité limitée decertains phénomènesUn « scénario » est basé sur un état initial représentatif du climatactuel, mais dont le détail a peu d’importance, et des « forçages »imposés au modèle numérique (par exemple différents scénariosd’émission de Gaz à Effet de Serre GES)– Les scénarios sont interprétés de manière « relative »: on regarde lesdifférences entre les températures et précipitations moyennes obtenuesdans deux scénarios différents– Leur qualité est limitée par l’incertitude sur les forçages, lesimprécisions du modèle numérique, et la connaissance insuffisante decertains mécanismes du système climatique

Anomalies de température et de précipitation pour lafin du 21ème – Scénario A2

La nécessité d’une descente d’échellepour apprécier les impactsScénarios climatiques globaux~ 300kmScénarios climatiques régionaux~ 20-50 kmRésultat à l’échelle des territoireset meilleure simulation desévénements extrêmes, qui ont unpoids dominant sur les impactsModèles d’impacts~qq m - qq kmPour chaque domained’application, nécessitéd’une coopération entre lesexperts pour déterminer lesmeilleurs modèles d’impacts

Neige et changement climatique : impact surle débit de la haute Durance (GICC Rhône)Débit mensuelde la Hte Durance (m3/s)3 semaines dedécalage environsur le pic printanierDébits moyens observésDébits moyens simuléspour le climat présentDébits moyens simulésen cas de doublement de CO2par différents modèles

Aire de répartition climatique potentielle du hêtre(CARBOFOR: Loustau et al, 2004)Climat actuelobservéeClimat actuelModéliséeClimat de la fin duXXI e siècle

Quelques défis pour les prévisions climatiques Représenter la « cascade d’incertitudes »:– Incertitude sur les scénarios d’émission des GES– Variabilité naturelle du climat et l’activité volcanique– Incertitudes propres aux modèles du système Terre– Incertitudes de conceptualisation des modèles d’impactsExplorer la prévisibilité décennale en l’absence d’activité volcaniquemajeure– Le GIEC a décidé pour la première fois d’explorer la prévisibilitédécennale pour son rapport de 2013Etudier l’interaction changement climatique/qualité de l’air

Conclusion: les fondamentauxImportance du réseau d’observationsImportance de la puissance de calcul, pour permettre– La finesse du maillage (effets non linéaires)– La complexité physique et les interactions entre milieux– Les ensembles pour évaluer les incertitudes

Merci de votre attention