Régimes de temps et Prévision saisonnière

1. Régimes de temps et Prévision saisonnière Formation professionnelle Météo France, Dec. 2005

2. + Extrême Tercile Inf. Anom. Tercile Sup. Extrême une information probabiliste sur cette anomalie 1. Introduction 0. Introduction: Le concept de régimes de temps L’approche classique pour la prévision saisonnière est une approche statistique . On cherche à déterminer par exemple à l’aide de modèles: une anomalie moyenne sur une saison de 3 mois

3. 0. Introduction: Le concept de régimes de temps 2. Les limites de la prévision statistique Mais l’approche classique statistique est réductrice aux moyennes latitudes Extrême La moyenne et les statistiques associées à cette moyenne masquent la variabilité haute fréquence du « temps qu’il fait », Ou qu’il va faire (prévision saisonnière)… Problèmes de descente d’échelles ou de desaggregation (impacts) Anom. Tercile Tercile Extrême Signification de la moyenne aux latitudes extratropicales: C’est l’intégration sur une période donnée de l’occurrence d’événements journaliers ou quasi-journaliers ou régimes de temps Régimes de temps : briques élémentaires de la circulation atmosphérique Grande échelle spatialement bien définies, d’une durée de vie de l’ordre de 5-10 jours (persistantes) et récurrentes.

4. ∫ Jour 3. Relation temps/climat 0. Introduction: Le concept de régimes de temps Exemple de régimes de temps: le blocage d’hiver, le régime zonal etc. i.e. des situations synoptiques dont l’occurrence ou la récurrence ont une grande influence en termes d’impacts (températures, précipitations, extrêmes etc.) Variabilité journalière (le temps) Variabilité saisonnière (le climat) transitions entre les régimes modification des fréquences d’occurrence des régimes Interaction/Descente d’échelles Exemple: T850anom(saison) = T850anom (regime)

5. 4. Les régimes et la prévision saisonnière 0. Introduction: Le concept de régimes de temps En complément de l’approche classiquestatistique pour la prévision saisonnière (moyenne et ordres statistiques supérieurs): L’approche statistico-dynamique Qui consistent à prévoir les changements de fréquence D’occurrence des régimes caractéristiques Il s’agit de décomposer l’anomalie moyenne prévue en une information de plus petite échelle àla fois spatiale et temporelle Plan de l’exposé: • La détermination statistique des régimes de temps • Les régimes Nord Atlantique d’hiver et d’été • Relation régimes/extrêmes • Le forçage externe sur les régimes : Prévisibilité • Un exercice de prévision

6. Détermination statistique des régimes de temps Partie 1

7. Islande Açores 1. La détermination statistique des régimes de temps 1. Les EOFS L’espace climatique a un très grand nombre de dimensions (ou degrés de liberté) et nécessite une simplification à la fois spatiale et temporelle pour son étude. Décomposition en fonctions orthogonales ou EOFs Exemple à deux dimensions Geopotentiel à 500 sur deux points de mesure: Islande et Azores

8. X(a,i,t)= 1EOF1(a,i).pc1(t) + 2EOF2(a,i)pc2(t) EOF2 2 X(a,i,t) X(a,i,t) pc2 pc1 1 EOF1 Dans le cas présent : 2 dimensions  2 EOFs avec 1=70% et2=30% 1. La détermination statistique des régimes de temps 2. Exemple d’EOFs Décomposition en fonctions orthogonales ou EOFs = trouver les directions de maximum de variance (n dimension  n directions ou EOFs) La simplification consisterait a ne considérer que le 1er EOF - Réduction de l’espace de 2 dimensions a une dimension (on a construit Relation entre les fluctuations du Geopotentiel sur l’Islande et sur les Acores) - Perte de 30% du signal en variance

9. 1. La détermination statistique des régimes de temps 3. Généralisation Au lieu de prendre deux points, on prend N points, d’où un espace a N dimensions X(lat,lon,t)= 1EOF1(lat,lon).pc1(t) + 2EOF2(lat,lon)pc2(t) + 3EOF3(lat,lon).pc3(t) + 4EOF4(lat,lon)pc4(t) + ……………….. + NEOFN(lat,lon).pcN(t) La simplification consiste alors a ne considérer que les p premiers EOFs. Dans le cas classique, sur l’Atlantique Nord, on en garde dix qui représentent environ 85-90% de la variance - Réduction de l’espace de N dimensions a 10 dimensions - Perte de ~10% du signal en variance qui est considéré comme du bruit spatialement chaotique.

10. 1. La détermination statistique des régimes de temps 4. Les EOFs sur l’Atlantique Nord EOF1 de pression de surface sur l’Atlantique Nord en hiver: la NAO (positive et négative) EOF2 de pression de surface sur l’Atlantique Nord en hiver: le blocage et l’anti-blocage L’obtention des régimes se fait dans l’espace réduit des EOFs.

11. Max 1pt=1jour Probabilité d’occurrence EOF3 EOF1 Max Les régimes sont des attracteurs dans l’espace climatique 1. La détermination statistique des régimes de temps 5. Dans l’espace des EOFs: les attracteurs EOF1 Détermination des maxima de densité de points ou encore, détermination de l’état atmosphérique les plus probables et les plus récurrents = détermination des régimes

12. Classification optimale : Minimisation de la variance intra-régimes 1. La détermination statistique des régimes de temps 6. Classification Obtention des régimes de temps par méthode de classification Ex: Cartes de Geopotentiel à 500mb sur la zone Nord Atlantique-Europe sur une saison sur la période donnée (e.g. 1950-2005) Choix prédéterminé du nombre de régimes k=4 (nb. d’attracteurs) Classification optimale : Maximisation de la variance inter-régimes Optimisation du nombre k

13. 1pt=1jour 1. La détermination statistique des régimes de temps 7. Dans l’espace des EOFs: les attracteurs Max EOF1 Après classif. EOF1 Max Détermination des maxima de densité de points ou encore, détermination de l’état atmosphérique les plus probables et les plus récurrents = détermination des régimes Les régimes sont des attracteurs dans l’espace climatique

14. 1. La détermination statistique des régimes de temps 8. Mouvement dans l’espace des EOFs Été 1971: L’atmosphère visite le système climatique de manière assez uniforme 2 Juin 1971 1er Juin 1971 Le temps qu’il fait s’explique par l’alternance et les transitions entre les différents régimes

15. Les régimes de temps Nord Atlantique/Europe Partie 2

16. 2. Les régimes Nord Atlantique 1. Les régimes d’hiver de Z500 Reanalyses NCEP-NCAR Hiver (DJFM) [1950-2005]

17. 2. Les régimes Nord Atlantique 2. Les régimes d’été de Z500 Reanalyses NCEP-NCAR Été (JJA) [1950-2005]

18. 2. Les régimes Nord Atlantique 3. Occurrence des régimes d’été Occurrence ++ Nombre de jours par été Occurrence ++ Occurrence ~ Reanalyses NCEP-NCAR Été (JJA) [1950-2005] Occurrence - -

19. 2. Les régimes Nord Atlantique 4. Relation régime/température moyenne Occurrence ++ Occurrence ++ Occurrence ~ Reanalyses NCEP-NCAR Été (JJA) [1950-2005] Occurrence - -

20. Blocking Atl.Low NAO- Atl.Ridge 2. Les régimes Nord Atlantique 5. Été 2003 Décomposer en régimes permet de comprendre les caractéristiques moyennes des mois d’été et d’établir entre les variables d’impacts et la circulation grande-echelle (Importance des interactions d’échelle) Anomalie de Température moyenne sur la France Anomalie mensuelle sur la France Anomalie saisonnière sur la France

21. Relation entre les régimes de temps et les extrêmes Partie 3

22. -90% TMAX Moyenne +300% 15°C 30°C 15% 5% 5% (%) Changement relatif des extrêmes= 3. Relation régimes/extrêmes 1. Approche probabiliste Distribution TMAX climatologique (tous les jours) Distributions par régime (jours où les régimes sont excités) : 4 distributions Nombre de jours normalisé TMAX

23. Blocking Atl.Low NAO- Atl.Ridge 3. Relation régimes/extrêmes 2. Changement de % de chance d’occurrence des vagues de chaleur Données SQR Météo-France (1950-2003)

24. Prévoir la modification d’excitation des régimes permet d’estimer les changements de probabilité d’occurrence des extrêmes et d’avoir une approche davantage basée sur les impacts 3. Relation régimes/extrêmes 3. Valeurs moyennes et régimes % occurrence des régimes pour les 5 années les plus chaudes (JJA 1950-2003) Décomposer en régimes permet de comprendre les caractéristiques moyennes des mois d’été et d’établir un lien entre la moyenne, les extrêmes et la circulation grande échelle (Importance des interactions d’échelle)

25. Le forçage externe sur les régimes de temps : source de prévisibilité saisonnière Partie 4

26. 4. Le forçage externe sur les régimes : Prévisibilité 1. Variabilité interannuelle 1978 2003 La variabilité basse fréquence (interannuelle à décennale) de température peut s’expliquer en partie s’expliquer par le changement d’occurrence des régimes sur une saison. Comment expliquer cette différence d’excitation des régimes? Est elle prévisible?

27. 4. Le forçage externe sur les régimes : Prévisibilité 2. Action du forçage Chaos (non prédictif) + forçage externe (océan, gaz à effet de serre etc.) La variabilité basse fréquence (saisonnière à décennale) peut s’expliquer par le changement d’amplitude des probabilités de fonction de densité ou dans les transitions préférentielles entre les régimes. Ceci aboutit à un changement d’occurrence plutôt qu’un changement de régime lui-même.

28. Lorsque l’Atlantique Tropical est chaud, le régime NAO- est privilégié en hiver. Lorsque l’Atlantique Tropical est froid, le régime NAO+ est favorisé au dépend du régime NAO- Prévisibilité théorique si les modèles sont capables de bien prévoir la SST des zones clés océaniques 4. Le forçage externe sur les régimes : Prévisibilité 3. Rôle de l’océan: exemple de l’Atlantique Tropical Détermination du forçage à l’aide de modèles. Exemple de l’Atlantique Tropical en hiver. On impose des anomalies de température de surface océanique

29. Pluvieux Sec Déplacement/renforcement de l’ITCZ Forte convection sur l’ouest du bassin tropical Question: est ce que les anomalies de l’ITCZ Atlantique peuvent influencer les régimes de circulation de l’Atlantique Nord? Recours à la modélisation On impose des anomalies de chauffage diabatique dans l’atmosphère pour reproduire les anomalies de convection observée. 4. Rôle de l’atmosphère : l’Atlantique Tropical 4. Le forçage externe sur les régimes : Prévisibilité Anomalies de convection en 2003 [satellite data]

30. Atl.Low ++ Atl.Ridge -- Blocking ++ Atl.Ridge -- Le changement dans la position/intensité de l’ITCZ Atlantique en 2003 (dé-)favorise l’occurrence des régimes chauds (froids). 5. Changement d’occurrence dû au forçage tropical 4. Le forçage externe sur les régimes : Prévisibilité Favorise Défavorise Les liens régimes/extrêmes (observations) et les liens régimes/ITCZ (modélisation) sont prometteurs pour la prévision saisonnière sur l’Europe car les fluctuations de l’ITCZ sont potentiellement prévisibles.

31. Grâce aux liens régimes/extrêmes (observations), nous obtenons une information complémentaire de la moyenne classique Ex. en 2003: le régime BL a 70% + de chance d’être excite en été 2003 du au forçage tropical. Sachant que l’on multiplie par 3 les chances de vagues de chaleur dans les régimes… En moyenne cela se traduit uniquement par +0.5oC d’anomalie 6. Changement de régimes/anomalie moyenne 4. Le forçage externe sur les régimes : Prévisibilité Anomalie moyenne prévue de T850 Anomalie observée de T850

32. Aujourd’hui Scénarios futur du XXI siècle Lorsque les gaz a effet de Serre augmentent, le régime NAO+ est favorise au détriment du régime NAO- Prévisibilité théorique décennale 6. Forçage anthropique : changement climatique 4. Le forçage externe sur les régimes : Prévisibilité Détermination du forçage a l’aide de modèles. Exemple du forçage anthropique. On impose des scénarios d’émission de Gaz a effet de Serre

33. Un exercice de prévision saisonnière Partie 5

34. Au-delà du mois, les conditions initiales ne sont plus importantes… Rôle de l’océan (mémoire du système climatique), rôle de la glace de mer, rôle de l’humidité des sols etc… Démarche : Si l’on prédit correctement l’évolution de l’océan (ex: occurrence d’El Niño) et si l’on connait la relation entre l’atmosphère et l’océan (ex: déviation du jet Pacifique), on peut établir une prévision climatique sur quelques mois (ex: plus de tempêtes sur la Californie) Modèle couplé 1. Un problème de conditions aux limites 5. Un exercice de prévision La prévision Météo est un problème de conditions initiales La prévision climatique est un problème de conditions aux limites

35. Jour 0 Mois 1 Mois 2 Mois 3 Mois 4 Mois 5 Mois 6 Mois 7 Prévision d’ensemble In.1 Prévision d’ensemble In.2 Prévision d’ensemble In.3 Faible Prévisibilité Prévision d’ensemble In.4 Anom. Prévue= Moyenne D’ensemble Extrême Tercile Sup. Prévision d’ensemble In.N Info statistique Estimation du forçage Anom. Observée Tercile Inf. Forte Prévisibilité Extrême 2. Approche Probabiliste 5. Un exercice de prévision PROBABILISTE

36. Σ Moyenne D’ensemble Faible Prévisibilité De l’anomalie moyenne Plus de potentiel De prévisibilité Sur les régimes ? 3. Prévisibilité des régimes: une approche complémentaire 5. Un exercice de prévision

37. Bonne prévision Mauvaise prévision 4. Exemple de prévision 5. Un exercice de prévision % d’occurrence Moyen du régime NAO+

38. Conclusions En complément de l’approche classiquestatistique pour la prévision saisonnière (moyenne et ordres statistiques supérieurs): L’approche statistico-dynamique ou en régimes consistent à prévoir les changements de fréquence d’occurrence des régimes caractéristiques de circulation Il s’agit de décomposer l’anomalie moyenne prévue en une information de plus petite échelle àla fois spatiale et temporelle (indications sur les extrêmes etc.) Nous sommes aux balbutiements de ce type de prévision Question fondamentale: à quelle échelle de temps se situe le maximum de prévisibilité saisonnière?