La modélisation climatique est-elle de la science?

L’une des caractéristiques les plus importantes de systèmes complexes est que la plus grande part de leur comportement intéressant est émergente. On s’aperçoit souvent que le comportement à grande échelle n’est pas prédictible a priori à partir des interactions à petites échelles qui composent le système. Il en est ainsi avec les modèles climatiques. Si on effectue un changement à la paramétrisation des nuages, il est difficile de dire à l’avance quel va en être l’impact sur, par exemple, la sensibilité climatique. C’est parce que le nombre de rétroactions possibles (positives et négatives) est littéralement incommensurable. Vous devez juste intégrer ce changement, laisser faire la physique, et voir quel en est l’effet.

Ce qui veut dire que valider ces modèles est très difficile. (NB. J’utilise le terme valider non pas dans le sens de ‘prouver la justesse’ –ce qui impossible–, mais dans le sens de ‘suffisamment bon pour être utile’). Par principe, la validation doit concerner le système complet si l’on veut avoir un peu confiance dans les prédictions du système complet dans le futur. Cette validation est ce sur quoi la majorité des modélisateurs du climat passe pratiquement tout leur temps. D’abord, nous regardons le climat moyen (c’est-à-dire, est-ce-que les grandes caractéristiques sont raisonnablement modélisées ? Est-ce-qu’il pleut là où il faut, est-ce-qu’il neige à la bonne place ? Est-ce-que les courants océaniques et les vents vont dans la bonne direction ?), ensuite la saisonnalité (à quoi ressemblent l’avancée et le recul de la glace de mer ? Est-ce-que la convergence intertropicale bouge comme il faut ?). De façon générale, nous trouvons que les modèles font finalement du bon boulot (voir ici ou ici pour des exemples d’articles de validation de modèle par différents groupes). Il y a bien sûr des régions posant problèmes (comme les régions de bord est des océans, la circulation à proximité des chaînes de montagne, etc) pour lesquelles des processus de petite échelle peuvent être mal compris ou modélisés, et ce sont les buts principaux de recherche future des développeurs de modèles et des observateurs.

Ensuite, nous regardons la variabilité. C’est une étape clé, mais aussi subtile. Il y a deux formes de variabilité: la variabilité intrinsèque (qui provient uniquement de la dynamique chaotique interne au système), et la variabilité forcée (changements provenant de changements externes, comme le forçage solaire). Notez que la variabilité ‘naturelle’ inclut à la fois les composants intrinsèque et forcé dus aux forçages ‘naturels’, comme les volcans, les changements solaires ou orbitaux. Une comparaison propre est garantie soit par la capacité à isoler juste un forçage raisonnablement bien connu, ou d’avoir suffisamment de données pour pouvoir moyenner sur plusieurs exemples et ainsi isoler la structure associée seulement avec ce forçage, même si dans chaque cas, plusieurs origines sont possibles. (une discussion plus détaillée de ces points est accessible ici.)

Page 2 of 4 | Previous page | Next page