Découvrez ce qui cause l’incertitude dans les prévisions saisonnières. Si ce sujet est nouveau pour vous, vous voudrez peut-être d’abord lire Que sont les prévisions saisonnières? pour comprendre les rudiments des prévisions saisonnières et Tenir compte de l’incertitude dans les prévisions saisonnières pour en savoir plus sur l’incertitude.
Prévisions saisonnières à décennales
Article
10 minutes
L’incertitude est inhérente à toute prévision. Dans le contexte de la prévision, « incertain » ne signifie pas « spéculatif ». Cela indique plutôt que notre connaissance des conditions climatiques futures est incomplète. L’incertitude des prévisions saisonnières est principalement due à une combinaison des facteurs suivants1:
Les sections ci-dessous fournissent plus d’informations sur ces facteurs.
Les prévisions saisonnières tirent parti de la prévisibilité à plus long terme du système climatique afin de réduire l’incertitude découlant des limites inhérentes à la prévisibilité du climat.
Même le système de prévisions saisonnières le plus performant présente des limites lorsqu’il s’agit de prévoir le climat à des échelles de temps supérieures à 14 jours environ. L’atmosphère est généralement imprévisible à ces échelles de temps, ce qui signifie que le système de prévisions saisonnières ne peut pas prévoir les conditions météorologiques quotidiennes ou hebdomadaires au cours d’une saison au-delà d’environ 14 jours1. Par conséquent, les systèmes de prévisions saisonnières prévoient les conditions climatiques globales pour l’ensemble de la saison, telles que la température moyenne et les précipitations totales. La prévision des conditions sur une saison ou plus tire parti de la prévisibilité des schémas climatiques à long terme et utilise cette prévisibilité pour réduire l’incertitude et améliorer l’exactitude des prévisions saisonnières.
La prévisibilité des conditions météorologiques au-delà d’environ 14 jours est principalement limitée par la nature chaotique de l’atmosphère, où de petites différences dans les conditions initiales peuvent entraîner de grandes différences dans l’état final2, comme expliqué plus loin. D’autres composantes du système climatique, telles que les terres et les océans, changent plus lentement, et leur influence sur l’atmosphère permet une prévisibilité à plus long terme des conditions climatiques, permettant ainsi des prévisions saisonnières. Par exemple, les phénomènes océaniques et atmosphériques à grande échelle, tels qu’El Niño – oscillation australe (ENSO), influencent le climat à l’échelle mondiale, et les épisodes El Niño ou La Niña intenses sont liés à des prévisions saisonnières plus habiles. Pour plus d’informations sur les sources de prévisibilité à l’échelle saisonnière, consultez l’article « Que sont les prévisions saisonnières? ».
Les prévisions saisonnières probabilistes, comme celles présentées sur Donneesclimatiques.ca, sont conçues pour mesurer et communiquer l’incertitude inhérente aux prévisions à long terme et pour fournir une compréhension plus complète des résultats des prévisions.
Les prévisions saisonnières sont générées à l’aide d’un ensemble probabiliste de prévisions. Un ensemble est une série de nombreuses simulations individuelles du système de prévisions saisonnières, chacune ayant un point de départ légèrement différent. Ces points de départ, appelés « conditions initiales », sont basés sur des observations climatiques récentes et sont toujours sujets à un certain degré d’incertitude dû aux erreurs de mesure et aux lacunes d’observation dans le temps et l’espace. Bien que ces différences dans les conditions initiales soient minimes, elles s’amplifient au fil du temps en raison de la nature chaotique de l’atmosphère. La figure 1 montre comment de petites différences dans les conditions initiales peuvent entraîner des différences significatives au fil du temps (parfois appelées « effet papillon »2).
Toutes les simulations de modèles de l’ensemble sont considérées pour estimer la probabilité de différents résultats (par exemple, la probabilité que la température moyenne en été, de juin à août, soit au-dessus, près ou sous la normale). Ce type de prévision probabiliste permet de remédier à l’incertitude en fournissant une vue d’ensemble des possibilités climatiques pour une saison future1.
Figure 1: Un ensemble de simulations de modèles évolue au fil du temps pour produire une prévision probabiliste. La figure montre l’écart de température par rapport à la médiane historique (représentée par la ligne pointillée) pour un endroit donné. La médiane historique provient de la climatologie historique de 1991 à 2020. Chacune des 40 simulations commence par un point de départ ou une « condition initiale » légèrement différent, représenté par la courbe de gauche illustrant la distribution de ces conditions. Le modèle est ensuite exécuté dans le temps, chaque simulation évoluant différemment, comme l’indiquent les fines lignes grises. En raison de la nature chaotique de l’atmosphère, les petites différences dans les conditions initiales s’amplifient au fil du temps. L’étendue des températures futures prévues est indiquée par les nuances de rouge (au-dessus de la normale), de gris (près de la normale) et de bleu (sous de la normale). La médiane de cet ensemble de simulations est représentée par la ligne noire continue. Les lignes verticales en pointillés couvrent la saison prévue (c’est-à-dire la saison cible), et la courbe à droite montre la distribution des températures au cours de la saison cible qui est utilisée pour générer la prévision saisonnière probabiliste pour l’endroit.
Les prévisions saisonnières sur DonneesClimatiques.ca sont produites à l’aide du Système de prévision interannuelle et saisonnière canadien version 3 (SPISCanv3). SPISCanv3 combine les prévisions d’un modèle météorologique et d’un modèle climatique. Ces modèles sont des représentations numériques des principaux processus qui régissent l’état de l’atmosphère, des terres, des océans et de la glace de mer. Bien que ces modèles simulent les processus physiques les plus importants qui déterminent le temps et le climat, ils approximent ou omettent certains processus physiques qui peuvent affecter la météo et le climat. Ainsi, ces modèles fournissent une très bonne représentation, mais imparfaite, du système météorologique et climatique.
Les forces et les limites de SPISCanv3 sont évaluées en analysant ses performances sur la période allant de 1991 à 2020. L’une des mesures de performance est l’habileté du système de prévision.
L’habileté indique le degré de confiance que l’on peut accorder au système de prévisions saisonnières en fonction de ses performances passées3. L’habileté est calculée en comparant les prévisions produites à l’aide de conditions initiales historiques, également appelées prévisions rétrospectives, avec les observations pertinentes.
En général, l’habileté de SPISCanv3 dépend du:
Toutes les prévisions saisonnières sur Donneesclimatiques.ca comprennent des informations sur l’habileté de la prévision qui doivent être prises en compte lors de l’utilisation des prévisions.
Les prévisions à l’échelle saisonnière comportent une part d’incertitude, mais celle-ci peut être gérée de la manière suivante:
Pour plus de conseils sur la façon de prendre en compte l’incertitude lors de la planification et de la prise de décisions basées sur les prévisions saisonnières, consultez l’article « Tenir compte de l’incertitude dans les prévisions saisonnières ». Pour plus d’informations sur les prévisions saisonnières, consultez les articles de la Zone d’apprentissage dans la section « Prévisions saisonnières à décennales ».
Ce projet a été réalisé avec l’appui de :
