logo joomla

Embarquez avec des scientifiques, des ingénieurs et des marins pour une navigation-exploration des relations avec l'océan, le climat et les énergies marines dans la perspective du changement climatique 

 
     Glossaire
      Témoignages       Fantaisie        Qu'avons-nous lu ?       Conférences

Jean Labrousse 

La prévision météorologique repose sur le fonctionnement de modèles mathématiques qui eux même traduisent les équations qui régissent l’atmosphère. Le système d’équations aux dérivées partielles auquel on aboutit ne possède pas de solution analytique mais on peut l’intégrer grâce à des méthodes d’approximations numériques. Par conséquent, si l’on suivait Laplace, puisque l’on connaît le temps qu’il fait au moment où commence la prévision, conditions initiales, il suffirait de calculateurs suffisamment puissants pour prévoir le temps à une date quelconque dans le futur.

On se heurte cependant à deux difficultés qui rendent impossible le rêve de Laplace. La première c’est que l’on ne connaît les conditions initiales qu’avec une certaine approximation ; on n’a qu’un nombre restreint de mesures et ces dernières sont entachées d’erreurs inhérentes à la mesure elle-même.

La deuxième, et Henri Poincarré l’a bien montré, les équations que nous traitons ne sont pas linéaires et, de ce fait, une variation infime de l’un des paramètres initiaux conduit à des solutions très éloignées les unes des autres. C’est ce qui a conduit Edward Lorentz à parler de « l’effet papillon », 

"Prédictibilité : le battement d'ailes d'un papillon au Brésil peut-il provoquer une tempête au Texas ? "

C’est ce que l’on appelle, peut être à tort la théorie du « chaos », terme non ambigu pour un mathématicien mais peut-être mal compris par les autres. 

En effet, si l’on considère une situation météorologique donnée, que l’on fait varier légèrement les conditions initiales et que l’on intègre chaque fois les équation, on constate que les solutions donnent des trajectoires qui peuvent être très différentes les unes des autres et que la dispersion n’est pas la même selon les conditions initiales choisies. C'est-à-dire que certaines situations météorologiques sont plus prévisibles que d’autres.

Cependant si le résultat de la prévision n’est pas unique il contient une valeur prédictive certaine. On n’arrive pas à un chaos, au sens habituel du terme dans lequel les trajectoire seraient le résultat du hasard, mais à une sorte de « chaos organisé ». 
Les météorologistes utilisent cette propriété pour étendre l’échéance de leurs prévisions. 
C'est-à-dire que l’on passe d’une prévision entièrement déterministe, 2 à 5 jours, à une prévision plus probabilistique, jusqu’à une dizaine de jours. Les études montrent que la limite de ces méthodes se situe vers deux semaines.

Au-delà de ces échéances on montre que si l’on s’intéresse non pas à la valeur instantanée d’un paramètre en un point, un jour donné, mais à sa moyenne, pour une période donnée, sur une zone donnée, on obtient une prévision qui est meilleure que le hasard. Ceci est l’approche actuelle pour prévoir le temps à l’échéance du mois, de la saison, voire de l’année. On se rapproche donc du climat.

En fait ce détour dans le monde de la prévision météorologique a simplement pour but d’expliquer que se référer à la théorie du chaos lorsque l’on parle de climat n’a pas beaucoup de sens.

Les modèles de climat n’ont pas de valeur prédictive et nul n’a jamais prétendu qu’ils puissent en avoir.

Certes les modèles ressemblent aux modèles de prévision ce qui est normal puisqu’ils traitent des mêmes équations qui sont celles qui régissent l’atmosphère, mais leur but est de simuler l’atmosphère. Autrement dit si l’on part des équations de l’atmosphère, et si on les intègre sur une période de temps assez longue, on doit trouver une atmosphère dont le climat ressemble fortement à celui qui est le nôtre. C’est bien ce qui se passe.

Dans ces conditions si l’on change les conditions externes, forçage, et si l’on reprend les intégrations on doit arriver à un autre équilibre, qui est le climat avec ces conditions nouvelles de forçage.

Par exemple si l’on choisit un certain profil d’évolution dans le temps de la concentration en CO2 dans l’atmosphère et si l’on intègre le modèle en lui imposant ce forçage, on doit arriver à un nouvel équilibre qui sera le climat modifié, par cette nouvelle concentration de CO2..

Si l'on attend que la réalité confirme l'exactitude du modèle, en dehors d'une satisfaction purement académique, il sera bien sûr trop tard pour agir. Cependant, étant donné que  l’on peut reconstituer des climats passés, grâce à des méthodes indirectes comme par exemple l’étude des sédiment ou des carottes glaciaires, il est possible d'imposer au modèle les conditions externes (les forçages) qui prévalaient alors. On peut ensuite  vérifier que le modèle est capable de reconstituer un climat  proche de celui de l'époque reculée retenue. 

Ces reconstitutions de climats passés permettent de valider les modèles, (ainsi d'ailleurs que l'inter comparaison de différents modèles). Pour un modèle donné, les équations restant les mêmes, c'est-à-dire les lois physiques restant inchangées, la probabilité  est forte que les résultas obtenus en imposant un forçage correspondant à une certaine évolution du CO2, par exemple doublement en 10 ans, conduisent à un climat similaire à celui que l’on connaîtra alors. C’est donc en ce sens que les modèles climatiques permettent de donner des indications fiables sur ce que pourrait être le climat dans, par exemple uns dizaine d’années. 

Voir l'article "Qu'est-ce qu'un modèle climatique"

Sauvegarder
Choix utilisateur pour les Cookies
Nous utilisons des cookies afin de vous proposer les meilleurs services possibles. Si vous déclinez l'utilisation de ces cookies, le site web pourrait ne pas fonctionner correctement.
Tout accepter
Tout décliner
Analytics
Outils utilisés pour analyser les données de navigation et mesurer l'efficacité du site internet afin de comprendre son fonctionnement.
Google Analytics
Accepter
Décliner
Unknown
Unknown
Accepter
Décliner