Leduc, Martin
(2013).
« Characterisation of multi-model ensembles of climate-change projections regarding sampling, treatment and interpretation » Thèse.
Montréal (Québec, Canada), Université du Québec à Montréal, Doctorat en sciences de la Terre et de l'atmosphère.
Fichier(s) associé(s) à ce document :
Résumé
Cette thèse traite de diverses difficultés inhérentes à l'analyse d'ensembles multi-modèles de projections de changements climatiques. Ces ensembles, souvent appelés « ensembles d'opportunité », sont formés en fonction de la disponibilité de plusieurs centres de modélisation à l'échelle mondiale à produire un certain nombre de simulations. Les ensembles résultants d'un tel processus ne sont donc pas construits selon un cadre expérimental systématique visant à permettre une analyse optimale, mais plutôt en fonction de facteurs externes émergeant d'un processus d'échantillonnage ouvert. Dans le premier chapitre de cette thèse, le concept d'un échantillonnage de type « expert » est étudié. Consistant en une présélection d'un certain nombre de simulations à partir de l'ensemble disponible, ce type de processus est généralement utilisé dans le but de réduire la taille d'un ensemble qui ne peut être traité en entier lorsque les ressources sont limitées. Les incertitudes d'échantillonnage reliées au calcul des statistiques de l'ensemble sont calculées en ré-échantillonnant sur un grand nombre de sous-ensembles de simulations. Le processus de sélection est divisé en deux types de choix faits par les experts : le choix des modèles et celui des membres. Il est démontré comment ces incertitudes d'échantillonnage consistent en des manifestations de sources d'incertitudes connues reliées aux projections climatiques, soient la variabilité climatique naturelle et l'écart-type inter-modèle. Le second chapitre vise à étudier une problématique fondamentale à l'échantillonnage des modèles dans un ensemble d'opportunité. Les modèles de climat n'étant a priori pas tout à fait indépendants puisque les scientifiques partagent des connaissances à propos du système climatique et quant à la manière de construire les modèles, aucune métrique pour évaluer cette indépendance ne fait présentement consensus entre les scientifiques. Dans ce chapitre, nous proposons un critère pour détecter un manque d'indépendance entre les projections de changements climatiques. Ce critère est basé sur le fait que deux modèles peuvent mener à des sensibilités climatiques similaires face aux forçages externes, mais un tel consensus devrait être rejeté quand des raisons suffisantes peuvent remettre en cause la notion d'indépendance. Par exemple, lorsque d'importantes similarités structurelles apparaissent entre les modèles ou, dans une moindre mesure, dû à une certaine dépendance institutionnelle. Dans le troisième chapitre, des pistes de solutions sont suggérées face au problème que les modèles sont généralement représentés dans un ensemble par peu de membres et en nombres souvent inégaux. L'utilisation d'échantillons non-équilibrés peut engendrer certains problèmes, particulièrement en ce qui a trait à l'estimation de la variabilité naturelle dans l'ensemble, celle-ci étant souvent obtenue à partir de l'écart-type inter-membre. Avant de considérer des méthodes de reconstruction visant à régénérer les simulations jugées manquantes à partir de l'information disponible dans l'ensemble, deux hypothèses se doivent d'être vérifiées. La première s'applique à un ensemble de membres provenant d'un seul modèle et consiste à déterminer si cet ensemble peut être supposé comme étant ergodique, c.-à-d. que la variabilité temporelle est à peu près égale à celle qui intervient entre les membres. La seconde hypothèse considère que la variabilité naturelle est simulée de façon égale entre les modèles. Bien que les résultats montrent que la variabilité naturelle diffère de façon importante entre les modèles, l'hypothèse d'ergodicité entre les membres s'avère vraie pour des simulations sans forçages externes. Pour des simulations avec forçages externes, il est démontré comment des conditions de stationnarité peuvent être atteintes par traitement en soustrayant les tendances polynomiales dans les séries temporelles. Dans le quatrième chapitre sont cornparées différentes méthodes pour quantifier la variabilité naturelle à partir d'une combinaison de plusieurs modèles. D'un côté, l'estimé optimal pour cette variabilité serait biaisé vers les modèles avec le plus de membres, tandis qu'un estimé donnant le même poids à tous les modèles serait caractérisé par une plus grande erreur type. Dans ce même chapitre est aussi fourni un exemple d'application de l'hypothèse d'ergodicité, qui permet d'utiliser la variabilité temporelle afin de comparer les signaux de changements climatiques provenant de deux modèles, lorsque ces derniers sont représentés par un seul membre. Cette approche peut être vue comme une alternative devant la méthode plus coûteuse de considérer des expériences supplémentaires, par exemple les simulations de contrôle pour la période préindustrielle disponibles dans l'ensemble CMIP3.
______________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : ensemble multi-modèle, échantillon non balancé, variabilité naturelle, incertitude modèle, indépendance des modèles, ergodicité
![[img]](http://archipel.uqam.ca/style/images/fileicons/application_pdf.png)
RECHERCHER
PARCOURIR
LIBRE ACCÈS
