e-Lettre N°2 – Emulateur statistique de modèle régional de climat : Application au modèle régional de climat MAR sur l’Antarctique

e-Lettre Climeri-France N°2 - Février 2022

Etudes scientifiques en modélisation régional du climat

Emulateur statistique de modèle régional de climat : Application au modèle régional de climat MAR sur l’Antarctique

Les émulateurs de modèle régional de climat (RCM) sont un nouvel outil de descente d’échelle hybride mêlant les atouts des deux grandes familles de downscaling : dynamique et statistique. En effet un émulateur utilise des simulations à haute résolution obtenues avec des RCM coûteux pour apprendre la fonction de transfert entre des prédicteurs de grande échelle (géopotentiel, humidité, température, vent) à basse résolution et des variables de surface (température à 2 m, précipitation, ..) à haute résolution. L’apprentissage de cette fonction se fait grâce à des méthodes d’apprentissage statistiques qui garantissent de faibles coûts de calcul. Par construction, l’émulateur peut apprendre cette relation sous différentes conditions climatiques, pour des périodes passées et futures, pour différents niveaux de concentration de gaz à effet de serre et sur l’ensemble de la grille du RCM. L’idée à terme est d’être capable de reproduire (émuler) statistiquement la variabilité spatio-temporelle complète des variables d’intérêt telles que simulées par le modèle fin. Dans la communauté de recherche nationale, ces méthodes sont actuellement en cours de développement et de validation au Centre National de Recherches Météorologiques (CNRM), Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique (CERFACS) et Laboratoire des Sciences du Climat et l'Environnement (LSCE).

Nous illustrons ici les résultats de l’application de l’émulateur développé au CNRM et testé sur l’Europe (Doury et al. in rev.) au modèle atmosphérique régional MAR utilisé sur l’Antarctique au LSCE. Nous cherchons à émuler les séries quotidiennes de température et de précipitations neigeuses simulées par le modèle sur un sous-domaine centré sur l’Antarctique de l’Ouest. Le modèle MAR modélise de façon fine le manteau neigeux et ses interactions avec l’atmosphère et permet de corriger les modèles de climat globaux sur la calotte polaire, afin de fournir des forçages aux modèles de dynamique glaciaire. Les résultats obtenus sur des années non utilisées pour l’apprentissage sont illustrés sur la figure ci-contre. Les cartes montrent les moyennes de températures et de cumul de précipitations neigeuses sur 3 ans en fin de siècle produites par l’émulateur et la différence avec le modèle MAR, considéré ici comme la réalité virtuelle à reproduire. Les séries temporelles montrent 1 an de température et de cumul de précipitation quotidien pour le modèle et l’émulateur, en point pris au hasard et signifié en rouge sur les cartes de moyennes. L’émulateur montre de très bonnes capacités à reproduire les séries de température et de précipitation à haute résolution, avec de très bonnes corrélations spatiale et temporelle et une quasi-parfaite reproduction de la variance. Ces résultats sont très encourageants et permettent d’imaginer un couplage des modèles de calottes au sein de modèles de climats globaux, avec un émulateur de MAR en-ligne (avec un coût calcul minimum), pour corriger les forçages du modèle de calotte. Ces résultats montrent également un bon niveau de transférabilité de l’émulateur développé au CNRM dans un contexte géographique différent, et pour une autre paire modèle global/modèle régional.

 

Rédacteurs : A. Doury (CNRM, CNRS, Météo-France), E. Amblard (LSCE, CNRS), C. Agosta (LSCE, CEA), C. Kittel (IGE, CNRS), P. Gallinari ( orbonne Université, CNRS - ISIR / Criteo AI lab. Paris), S. Somot (CNRM, CNRS, Météo-France)

Référence

  • Doury A., Somot S., Gadat S., Ribes A., Corre L. (in revision). Regional Climate Model emulator based on deep learning: concept and first evaluation of a novel hybrid downscaling approach. Climate Dyn. PREPRINT (Version 1) available at Research Square (https://doi.org/10.21203/rs.3.rs-725819/v1)

  • Pour accéder à tous les articles de la e-Lettre N°2, cliquer ici

 

  • Pour obtenir la version imprimable de la e-Lettre N°2, cliquer sur l'image