La Physique des Modèles Climatiques : Comment Sept Équations Prédisent Notre Avenir

La physique des modèles climatiques permet aux scientifiques de prédire les températures des décennies à l’avance en utilisant les mêmes équations fondamentales qui régissent la météo de demain^[s]. Cela peut sembler paradoxal : si nous ne pouvons pas prévoir avec certitude la pluie pour jeudi prochain, comment quelqu’un peut-il prédire les températures mondiales en 2100 grâce à la physique des modèles climatiques ? La réponse réside dans une distinction cruciale entre météo et climat, et dans le mécanisme mathématique qui rend possible la prévision à long terme.

Le Fondement : Sept Équations Clés

Au cœur de la physique des modèles climatiques se trouvent les équations de Navier-StokesEnsemble d'équations différentielles décrivant le mouvement des fluides, constituant la base mathématique de tous les modèles climatiques., un ensemble d’équations différentielles décrivant le mouvement des fluides^[s]. Puisque l’atmosphère et les océans se comportent comme des fluides, ces équations constituent l’épine dorsale de chaque modèle climatique. Elles capturent la manière dont les différences de pression atmosphérique génèrent les vents, dont les gradients de température créent des schémasCadres mentaux de représentations compressées et d'attentes que le cerveau utilise pour encoder, stocker et récupérer les informations. Lorsque vous vous souvenez de quelque chose, votre cerveau la reconstruit en utilisant des schémas plus tous les indices contextuels présents. de circulation, et dont l’humidité se déplace dans l’atmosphère.

Au-delà de la dynamique des fluides, les modèles climatiques intègrent des équations régissant :

• La conservation de la masse : l’air et l’eau ne peuvent apparaître ou disparaître
• La conservation de l’énergie : toute la chaleur doit être prise en compte
• La conservation de la quantité de mouvement : les forces doivent s’équilibrer
• La thermodynamique : les changements de température suivent des lois physiques
• Le transfert radiatif : l’interaction entre la lumière du soleil et le rayonnement thermique avec l’atmosphère

Ces équations n’ont pas de solution analytique^[s]. Les mathématiciens travaillent sur les équations de Navier-Stokes depuis plus de cent cinquante ans sans trouver de réponse sous forme fermée. Les climatologues les résolvent donc numériquement, en utilisant des ordinateurs pour calculer des solutions approchées étape par étape.

La Terre Découpée en Boîtes

L’architecture computationnelle de la physique des modèles climatiques divise la Terre en une grille tridimensionnelle de cellules^[s]. Chaque cellule représente un lieu et une altitude spécifiques, contenant des valeurs pour la température, la pression, l’humidité, la vitesse du vent et des dizaines d’autres variables. Les modèles actuels utilisent généralement des cellules d’environ cent kilomètres sur cent^[s], avec dix à vingt couches verticales dans l’atmosphère et jusqu’à trente couches dans l’océan^[s].

Le modèle calcule comment les conditions dans chaque cellule évolueront au fil du temps, puis transmet ces résultats aux cellules voisines. Le temps avance par étapes de quelques minutes à une demi-heure. Une simulation sur un siècle avec des pas de temps de trente minutes nécessite plus d’un million sept cent cinquante mille calculs pour chacun des millions de points de la grille^[s].

Cette demande computationnelle explique pourquoi la physique des modèles climatiques nécessite des supercalculateurs. Doubler la résolution d’un modèle augmente les besoins en calcul d’un facteur dix à seize environ^[s], car le modèle doit calculer plus de points plus fréquemment.

Le Problème de la ParamétrisationMéthode de représentation de processus physiques trop petits pour être simulés directement, via des équations simplifiées issues d'observations.

De nombreux processus cruciaux se produisent à des échelles inférieures à celles des cellules de la grille. Les nuages, par exemple, mesurent généralement quelques kilomètres de diamètre, tandis que les courants convectifs ascendants peuvent ne s’étendre que sur quelques centaines de mètres. Ceux-ci ne peuvent pas être simulés directement dans un modèle avec une résolution de cent kilomètres. Les climatologues résolvent ce problème par la paramétrisation : représenter les effets à petite échelle à l’aide d’équations simplifiées basées sur des observations et des théories^[s].

Les paramétrisations contribuent de manière substantielle à l’incertitude des projections climatiques^[s]. Différents modèles font des hypothèses différentes sur la formation des nuages, le développement des précipitations et les transferts de chaleur entre l’océan et l’atmosphère. C’est pourquoi la physique des modèles climatiques continue d’évoluer à mesure que les scientifiques améliorent la représentation de ces processus sous-maille.

Pourquoi la Prédiction Climatique Fonctionne Malgré le Chaos

Dans les années 1960, le météorologue Edward Lorenz a fait une découverte qui allait bouleverser notre compréhension de la prévision. En exécutant deux fois une simulation météorologique avec des nombres arrondis à trois décimales au lieu de six, il a constaté que les résultats divergeaient de manière spectaculaire^[s]. Cela est devenu connu sous le nom d’effet papillon : de minuscules différences dans les conditions initiales peuvent produire des résultats radicalement différents.

Si la météo est chaotique, comment la prévision climatique peut-elle fonctionner grâce à la physique des modèles climatiques ? La clé réside dans le fait que le climat est la moyenne de la météo sur une longue période. Nous ne pouvons pas prédire s’il pleuvra à Paris le quinze janvier 2050, mais nous pouvons prédire si les hivers seront en moyenne plus chauds ou plus humides^[s]. Imaginez un casino : personne ne peut prédire le résultat d’un lancer de dés, mais la maison peut prévoir ses profits sur des milliers de lancers.

La Validation par le Passé

Un test crucial de la physique des modèles climatiques consiste en des rétro-prévisions : faire fonctionner le modèle à partir de conditions historiques connues et comparer les résultats à ce qui s’est réellement passé^[s]. Un modèle initialisé avec les conditions de 1850 doit reproduire le réchauffement observé jusqu’en 1950, le refroidissement dû aux éruptions volcaniques et d’autres variations climatiques documentées.

Les modèles qui reproduisent avec succès le passé inspirent confiance pour prédire l’avenir. Le Projet d’Intercomparaison des Modèles Couplés (CMIP) coordonne désormais une centaine de modèles climatiques distincts issus de quarante-neuf groupes de recherche à travers le monde^[s], permettant aux scientifiques d’identifier les points d’accord et les incertitudes restantes.

L’Approche par Ensemble

Plutôt que d’exécuter une seule simulation, les climatologues font tourner les modèles de nombreuses fois avec des conditions initiales légèrement différentes, produisant un ensemble de résultats^[s]. Les exécutions individuelles peuvent différer, mais des schémas communs émergent du bruit. Si quatre-vingt-dix pour cent des membres de l’ensemble montrent un réchauffement dans une région, ce signal est robuste.

Comprendre la physique des modèles climatiques révèle à la fois la puissance et les limites de la prévision. Ces modèles ne peuvent pas nous dire quel temps il fera à une date future précise, mais ils peuvent révéler comment l’équilibre énergétique de la Terre évoluera à mesure que les concentrations de gaz à effet de serre augmenteront. La physique des modèles climatiques est la même, qu’il s’agisse de prédire demain ou le siècle prochain ; la différence réside dans ce que nous demandons aux modèles de nous dire.

La physique des modèles climatiques englobe le cadre mathématique et computationnel utilisé pour simuler le système climatique terrestre sur des échelles de temps allant de quelques mois à plusieurs siècles^[s]. Les modèles de circulation générale (GCM) représentent l’atmosphère, l’océan, la surface terrestre et la cryosphère comme des systèmes couplés, échangeant des flux d’énergie, de masse et de quantité de mouvement. Le développement de ces modèles remonte à la tentative infructueuse de Richardson en 1922 de prévision numérique du temps, en passant par les simulations d’ENIAC de Charney en 1950, jusqu’aux modèles modernes du système Terre fonctionnant sur des supercalculateurs pétaflopiques^[s].

Équations Fondamentales en Physique des Modèles Climatiques

Le cœur dynamique des GCM atmosphériques résout les équations primitives, une forme simplifiée des équations de Navier-StokesEnsemble d'équations différentielles décrivant le mouvement des fluides, constituant la base mathématique de tous les modèles climatiques. adaptée à une fine couche sphérique de fluide en rotation^[s]. Dans l’approximation hydrostatique, les gradients de pression verticaux équilibrent l’accélération gravitationnelle, éliminant les ondes sonores et simplifiant l’équation de la quantité de mouvement verticale. Les équations régissent :

• La quantité de mouvement horizontale : ∂u/∂t = −u·∇u − (1/ρ)∇p + fv + F, où f est le paramètre de Coriolis
• L’énergie thermodynamique : ∂T/∂t = −u·∇T + (RT/cpp)(ω/p) + Q/cp, couplant la température au chauffage diabatique Q
• La continuité : ∂ρ/∂t + ∇·(ρu) = 0, assurant la conservation de la masse
• Le transport de l’humidité : ∂q/∂t = −u·∇q + E − C, où E est l’évaporation et C la condensation

Les modèles océaniques résolvent des équations analogues, mais doivent prendre en compte les effets de la salinité sur la densité, la circulation thermohaline et les échelles de temps beaucoup plus longues de l’ajustement océanique. Le premier GCM couplé océan-atmosphère a été développé au GFDL dans les années 1960^[s], établissant le cadre encore utilisé aujourd’hui.

Discrétisation Spatiale et Résolution

Les équations de Navier-Stokes n’ont pas de solution analytique connue^[s]. Les GCM les discrétisent sur des grilles de calcul en utilisant des méthodes de différences finies, spectrales ou de volumes finis. Les modèles typiques de l’ère CMIP6 emploient des résolutions horizontales de cinquante à cent kilomètres dans l’atmosphère^[s], avec des troncatures spectrales autour de T85 (environ cent cinquante kilomètres) à T255 (cinquante kilomètres)^[s]. La discrétisation verticale comprend généralement trente à soixante niveaux dans l’atmosphère et jusqu’à soixante-quinze niveaux dans les modèles océaniques.

La résolution contraint directement la condition de Courant-Friedrichs-Lewy (CFL) pour la stabilité numérique. Diviser par deux l’espacement de la grille horizontale nécessite de diviser par deux le pas de temps, tandis que la nature tridimensionnelle de la grille signifie que doubler la résolution augmente le nombre de cellules d’un facteur huit. Combiné à la contrainte du pas de temps, le coût computationnel évolue approximativement comme la résolution à la puissance quatre^[s]. Cela explique pourquoi les simulations globales résolvant la convection (nécessitant une résolution de un à quatre kilomètres) restent limitées à des intégrations de quelques mois malgré les avancées en calcul^[s].

ParamétrisationMéthode de représentation de processus physiques trop petits pour être simulés directement, via des équations simplifiées issues d'observations. des Processus Sous-Maille

Les processus se produisant à une échelle inférieure à celle de la grille doivent être paramétrés plutôt qu’explicitement résolus. La distinction en physique des modèles climatiques est fondamentale : les processus simulés émergent des équations gouvernantes, tandis que les processus paramétrés sont représentés par des hypothèses de fermeture^[s].

Les principaux schémasCadres mentaux de représentations compressées et d'attentes que le cerveau utilise pour encoder, stocker et récupérer les informations. Lorsque vous vous souvenez de quelque chose, votre cerveau la reconstruit en utilisant des schémas plus tous les indices contextuels présents. de paramétrisation incluent :

• La convection humide : les schémas de flux de masse (par exemple, Zhang-McFarlane, Tiedtke) ou les algorithmes d’ajustement convectif redistribuent l’humidité et la chaleur verticalement
• La microphysique des nuages : régit la formation des gouttelettes, la nucléation de la glace et l’efficacité des précipitations
• La couche limite planétaire : le mélange turbulent entre la surface et la troposphère libre
• Le transfert radiatif : l’absorption et l’émission par les gaz à effet de serre, les interactions aérosols-rayonnement
• Les échanges de surface : les formules aérodynamiques globales pour les flux de chaleur sensible et latente

Les paramétrisations contribuent de manière substantielle à la dispersion inter-modèles dans les projections climatiques^[s]. Des travaux récents explorent des approches d’apprentissage automatique pour apprendre les paramétrisations à partir de simulations à haute résolution des nuages, bien que la garantie de la stabilité numérique reste un défi.

Chaos, Prévisibilité et Méthodes d’Ensemble

Les fondements théoriques de la physique des modèles climatiques ont directement confronté la théorie du chaos. La démonstration par Lorenz en 1963 que de petites perturbations croissent de manière exponentielle dans les modèles atmosphériques déterministes a établi la limite théorique de la prévisibilité météorologique à environ deux semaines^[s]. La prévision climatique contourne cette limite en ciblant les propriétés statistiques de l’attracteur plutôt que des trajectoires spécifiques dans l’espace des phasesEspace mathématique où chaque état possible d'un système dynamique est représenté comme un point unique..

Les méthodes d’ensemble quantifient l’incertitude en échantillonnant l’espace des conditions initiales. Pour les projections climatiques, les ensembles multi-modèles combinent les résultats de centres de modélisation indépendants, chacun avec des hypothèses structurelles différentes^[s]. CMIP6 coordonne environ cent modèles issus de quarante-neuf groupes^[s], fournissant des estimations de l’incertitude structurelle des modèles distincte de la variabilité interne.

Validation et Sensibilité Climatique

La validation des modèles procède par des expériences de rétro-prévision initialisées à partir d’états observés^[s]. Les modèles doivent reproduire les tendances de réchauffement du vingtième siècle, le schéma spatial du changement de température, la réponse au forçage volcanique et les modes observés de variabilité (ENSO, NAO, AMO). Les contraintes émergentes relient des quantités observables aux projections futures, réduisant les plages d’incertitude.

La sensibilité climatique à l’équilibre (ECS), le réchauffement à long terme résultant d’un doublement du dioxyde de carbone, varie de 1,8 degré Celsius à plus de 5,5 degrés Celsius selon les modèles CMIP6^[s]. Cette dispersion reflète les différences dans les rétroactions des nuages, en particulier le traitement des nuages en phase mixte et leur réponse au réchauffement. Svante Arrhenius a estimé pour la première fois la sensibilité climatique à cinq ou six degrés Celsius par des calculs manuels dans les années 1890^[s], une valeur remarquablement cohérente avec la limite supérieure des estimations modernes.

Comprendre la physique des modèles climatiques exige de reconnaître que ceux-ci ne sont pas des ajustements empiriques de courbes, mais des simulations physiques fondées sur les lois de conservation et la thermodynamique. Leurs projections comportent des incertitudes, mais celles-ci sont quantifiables par des méthodes d’ensemble et contraintes par les observations. Les mêmes équations qui décrivent la météo de demain décrivent le climat du siècle prochain ; l’horizon de prévisibilité s’élargit parce que nous ciblons des propriétés statistiques différentes de la solution.