1 / 16

DRIAS

Modes de représentation des incertitudes : Un état des lieux. DRIAS. Julien Lémond CNRM / GAME, Météo-France, CNRS Direction de la Climatologie Réunion Comité Utilisateurs, le 19 avril 2011. Plan de la présentation. 1°) Les sources d’incertitudes 2°) Modes de représentation.

rogan-bray
Télécharger la présentation

DRIAS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Modes de représentation des incertitudes : Un état des lieux DRIAS Julien Lémond CNRM / GAME, Météo-France, CNRS Direction de la Climatologie Réunion Comité Utilisateurs, le 19 avril 2011

  2. Plan de la présentation 1°) Les sources d’incertitudes 2°) Modes de représentation

  3. Typologie des sources d’incertitudes • Les incertitudes issues des projections climatiques sont liées : (c.f. Hulme and Carter, 1999; Jones, 2000; Stainforth et al, 2007; Pagé et al, 2008; Hawkins and Sutton, 2009) • Aux scénarios d’émission de GES futurs • A la modélisation climatique (paramètres d’entrée des modèles, conception des modèles, non prise en compte de certains processus, méthodes de régionalisation) • A la variabilité naturelle du système climatique (variabilité interne imprévisible au-delà d’une décennie, volcanisme, variabilité solaire)

  4. Internal Variability Scenario Uncertainty Model Uncertainty Part relative des sources d’incertitude en fonction du temps Exemple pour la Grande Bretagne (d’après Hawkins and Sutton, 2009)

  5. En conséquence... • Les incertitudes sont inhérentes à l’exercice de modélisation • Certaines incertitudes sont irréductibles • «future projections of climate for a given emissions scenario will always result in a range of possible future scenarios being simulated» (Hulme and Carter, 1999)

  6. En conséquence... • L’approche probabiliste, lorsqu’elle est possible, permet de prendre en compte les incertitudes liées aux projections climatiques et soulève les questions suivantes : • Quelles méthodes utiliser pour calculer, quantifier ces incertitudes? Est ce possible de les réduire? • Comment représenter ces incertitudes pour les communiquer vers d’autres communautés? Comment rendre leurs prise en compte utilisable dans un processus de décision?

  7. Plan de la présentation 1°) Les sources d’incertitudes 2°) Modes de représentation

  8. Le climat: une approche statistique • Le climat peut-être considéré, pour un paramètre donné, comme une distribution de situations atmosphériques • Le changement climatique correspond à une modification de cette distribution Source: IPCC, 2001

  9. Que représente-t-on? Sous quelle forme ? • La dispersion entre les différentes simulations • Des paramètres statistiques de la distribution • Valeurs min /max • Moyenne / Ecart-type • Quantiles • L’ensemble de la distribution • Densité de probabilité (PDF) Pour : - Des paramètres décrivant le climat moyen (température, précipitation, vitesse du vent)‏ - Des indices spécifiques (décrivant par exemple l'amplitude du cycle diurne, des épisodes de sècheresse ou de canicule...)‏

  10. La dispersion entre les différentes simulations 2046/2065-1961/1990 ΔP ΔT Pagé et al, 2008

  11. La dispersion entre les différentes simulations Un modèle / Plusieurs scénarios Plusieurs modèles / Plusieurs scénarios DIR.Ouest Météo-France Rapport ONERC, 2010

  12. Des paramètres statistiques de la distribution Par exemple: Moyenne et écart-type Netherlands Environmental Assessment Agency PRUDENCE: Signal in Precipitation 2071-2100 minus 1961-1990, A2

  13. Des paramètres statistiques de la distribution Par exemple: Les Quantiles Evolution de la médiane (courbe blanche) et des intervalle de confiance 50, 60, 70 et 90 % pour la température de surface et les précipitations durant la saison JJA pour l’Espagne orientale (Harris et al., 2010) Boxplot des anomalies de température comparé à la climatologie 1961-1990. Pagé et al, 2008

  14. Des paramètres statistiques de la distribution Par exemple: Les Quantiles UKCIP09 Harris et al, 2010

  15. L’ensemble de la distribution Densité de Probabilité (PDF) UKCIP09 Fonctions de densité de probabilité de changement de température et de précipitations à Paris 2021-2050 / 1961-1990 (Déqué, 2009)

  16. Conclusion • Les sources d’incertitudes sont inhérentes à l’exercice de modélisation et doivent être prises en compte • Il existe de nombreux types de représentation de l’incertitude • Néanmoins peu représentent l’ensemble des sources d’incertitudes • Peu de centre opérationnel représente l’incertitude. Cette représentation est au cœur des questions de recherche (e.g. Projets Ensembles, Scampei, InterClim). Il s’agit d’une question ouverte • Les résultats des méthodes les plus abouties sont-ils utilisables par les utilisateurs finaux ?

More Related