Sources de prévisibilité

L’océan tropical, et en particulier la température de surface de l’océan (SST) sur le Pacifique Equatorial, est reconnu comme la principale source de prévisibilité à l’échelle saisonnière via le phénomène El Niño-Southern Oscillation (ENSO). Il en existe d’autres. Certaines relèvent de modes de variabilité internes du système climatique, comme l’oscillation de Madden-Julian (MJO) pour les échelles S2S. D’autres sources de prévisibilité proviennent de la persistance de conditions particulières (comme par exemple une humidité du sol anormalement élevée sur une région étendue), ou encore de leur propagation (comme lors d’anomalies dans la stratosphère qui influencent l’évolution de la troposphère). Enfin, des forçages externes peuvent être source de prévisibilité, comme la concentration de gaz à effet de serre, ou les aérosols. Tous ces facteurs peuvent induire une prévisibilité locale, mais également sur d’autres régions du globe.

On appelle téléconnexion le lien entre un phénomène climatique et la variabilité de la circulation atmosphérique de grande échelle, influençant les températures et précipitations sur une région distante. L’utilisation du terme implique l’existence d’un mécanisme physique permettant d’établir une causalité entre les phénomènes

Voici quelques uns des travaux de recherche récents et actuels sur les sources de prévisibilité au CNRM :

 Surfaces continentales

  • Impact de l’initialisation de l’humidité du sol sur les prévisions de la saison estivale aux moyennes latitudes (Ardilouze et al., 2017a)
  • Correction “in-line” des biais de précipitations sur continents et impact sur la performance des prévisions sur les grandes plaines américaines (Ardilouze et al., 2019a)
  • Evaluation du lien entre variabilité de l’humidité du sol et des températures et précipitations sur la région euro-méditerranéenne (Ardilouze et al., 2019b, Materia et al., 2021, Ardilouze et al., 2020)
  • Rôle de la température du sol (Xue et al., 2021) et de son enthalpie sur la prévisibilité mensuelle des précipitations
  • Impact de la représentation de la végétation et de l’usage des sols dans les modèles sur la prévision climatique (projet H2020 CONFESS).
  • Etude du lien entre la couverture de neige eurasiatique en automne et la circulation atmosphérique en hiver (Ruggieri et al., 2022)

 Océan et glace de mer

  • Rôle de la variabilité de l’étendue de banquise en mer de Kara et Barents sur la prévisibilité saisonnière en hémisphère Nord (Acosta-Navarro et al., 2020)
  • Etude du lien entre les anomalies froides de SST sur l’Atlantique Nord et la vague de chaleur de Juillet 2015 en Europe de l’ouest (Stage M2 de C. Souan, 2017)
  • Impact de la résolution des modèles d’océan et de glace de mer sur l’état moyen et les performances de re-prévisions (Prodhomme et al., 2016)
  • Prévisibilité des variables biogéochimiques de l’océan (projet H2020 TRIATLAS)
  • Impact de l’initialisation de la glace de mer pour la prévision sur les régions polaires (Guémas et al., 2016)
  • Paramétrisation des flux de chaleurs turbulents entre glace de mer et atmosphère dans les modèles de prévision

 Représentation des modes de variabilité et téléconnexions

  • Représentation des téléconnexions associées à l’ENSO et l’Oscillation Nord-Atlantique (NAO) dans les modèles (Volpi et al., 2020)
  • Influence de l’ENSO sur les moyennes latitudes (Mezzina et al., 2020, Mezzina et al., 2021, Benassi et al., 2021)
  • Prévisibilité infra-saisonnière des fortes précipitations tropicales en lien avec les téléconnexions ENSO et MJO (Specq, 2020, Specq et Batté, 2022, à paraître)
  • Prévision sur la zone Nord-Atlantique Europe à partir de techniques de machine learning
  • Etude des ondes équatoriales et des conditions océaniques comme précurseur des précipitations extrêmes sur l’Afrique de l’Ouest
  • Impact des réchauffements stratosphériques soudains sur le climat de surface et sa prévisibilité infra-saisonnière (Hitchcock et al,. 2022, en révision)