La prévision du climat : de l'échelle saisonnière à l'échelle décennale |
| |
Authors: | Jean-Claude Andr , Jean-Yves Caneill, Michel D qu , Philippe Rogel, Laurent Terray,Yves Tourre |
| |
Affiliation: | a Centre européen de recherche et de formation avancée en calcul scientifique (CERFACS), 31057 Toulouse cedex 1, France;b Électricité de France, EDF R&D, département « Environnement », 78401 Chatou cedex, France;c Météo-France, CNRM, Centre national de recherches météorologiques, 31057 Toulouse cedex 1, France;d MEDIAS-France, Cnes Bpi 2102, 31401 Toulouse cedex 4, France |
| |
Abstract: | ![]() The atmosphere and the ocean are subject to many dynamical instabilities, which limit the time during which their behaviour can be deterministically forecasted. At longer timescales, the atmosphere can be predicted at best using statistical methods, as a response to external forcing linked to sea- and land-surface anomalies. Climate being defined as the mean of atmospheric states, it appears that it can be predicted up to a few months in advance, which is the characteristic time of the so-called slow components of the climate system. Forecasting can sometimes be extended to longer time ranges, especially when the coupled ocean–atmosphere system exhibits internal variability modes, with characteristic times of a few years. Seasonal climate forecasting is most often based upon Monte-Carlo simulations, where the various realisations correspond to slightly different initial conditions. The present sate-of-the-art in Europe (ECMWF) and/or in the USA (IRI) allows to forecast such major phenomena, as El Niño, up to six months in advance. Finally, some parameters may exhibit predictability at still longer time-ranges (inter-annual to decadal), but only for certain regions. The example of electricity production is used to underline the potentially large economical benefit of seasonal climate forecasting. To cite this article: J.-C. André et al., C. R. Geoscience 334 (2002) 1115–1127.RésuméL'atmosphère et l'océan sont le siège d'instabilités dynamiques, qui limitent la durée pendant laquelle il est possible d'en prévoir l'évolution de façon déterministe. Au-delà, l'atmosphère n'est plus prévisible, au mieux, que de façon statistique, en fonction du forçage externe qu'exerce(nt) sur elle l'océan et/ou la surface des continents. Le climat (au sens d'une moyenne des états atmosphériques) se révèle ainsi prévisible jusqu'à des échéances temporelles de quelques mois, échelle de temps caractéristique des composantes dites « lentes » du système climatique. La prévision peut s'étendre à des échéances parfois plus longues, dans le cas où le système couplé océan–atmosphère posséderait des modes de variabilité temporelle de périodes caractéristiques de quelques années. La prévision climatique saisonnière est très souvent construite à partir de simulations de type Monte-Carlo, avec des ensembles de réalisations utilisant des conditions initiales légèrement différentes. Dans l'état actuel de ces prévisions, qu'elles soient réalisées en Europe (CEPMMT) ou aux États-Unis (IRI), il est possible de prévoir environ six mois à l'avance un certain nombre de phénomènes climatiques, en particulier ceux liés aux épisodes dits « El Niño », pour lesquels l'amplitude des variations est suffisamment importante. Il existe, par ailleurs, une prévisibilité à encore plus longue échéance (inter-annuelle à décennale), mais seulement pour certains paramètres et certaines régions. L'exemple de la production d'électricité montre l'importance économique potentielle très grande de la prévision climatique saisonnière. Pour citer cet article : J.-C. André et al., C. R. Geoscience 334 (2002) 1115–1127. |
| |
Keywords: | climate atmosphere ocean data assimilation forecast numerical modellingMots-clé : climat atmosphè re océ an assimilation de donné es pré vision modé lisation numé rique |
本文献已被 ScienceDirect 等数据库收录! |
|