• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer

Retracer l’évolution de la température terrestre

Comment modéliser l’évolution de la température terrestre durant les ères passées ? Des chercheurs en biomathématiques ont développé une méthode pour trouver les paramètres pertinents d'un modèle climatique, à partir de données observées sur des carottes de glace.

Iceberg d'Islande exposé à Paris devant le Palais de la Découverte.. © Inra, MAITRE Christophe
Par Pascale Mollier
Mis à jour le 01/12/2015
Publié le 13/11/2015

Les biomathématiciens de l’Inra développent une démarche originale en matière de modélisation. L’objectif est de trouver les paramètres d’un modèle qui décrit la dynamique d'une variable d’intérêt, ici, l’évolution de la température terrestre dans le temps et l’espace.  Dans un  premier temps, on établit une relation statistique entre des données observées  (fournies par les carottes de glace) et la température terrestre. Dans un deuxième temps, on choisit un modèle climatique, en l’occurrence ici un modèle simplifié basé sur les bilans énergétiques (EBM, pour Energy Balance Model), comportant un certain nombre de paramètres. Enfin, on utilise la relation statistique pour estimer les valeurs des paramètres conduisant à la plus forte adéquation entre les observations et les températures obtenues avec le modèle climatique.

Modéliser la température terrestre au cours du temps devrait permettre une meilleure compréhension de l’évolution du climat à l’échelle globale, des cycles de glaciations et des ingrédients qui les déterminent.

Trouver les paramètres pertinents grâce à un modèle statistique

Les  données de carottes de glace fournissent des indications sur la température terrestre en un lieu et à une époque donnée, par le rapport d’isotopes lourds/isotopes légers et par l’observation de la nature de la glace. Néanmoins, ces données comportent des incertitudes, d’une part sur la température estimée, d’autre part sur la date : plus on s’enfonce dans le temps, c’est-à-dire vers la base de la carotte, plus les couches sont tassées et plus il est difficile de distinguer les strates.

« Nous avons construit un modèle probabiliste qui décrit les observations comme des variables aléatoires dépendant de la température », expliquent Lionel Roques et Samuel Soubeyrand. « Cela nous a permis, malgré les incertitudes sur les données, d'estimer les valeurs des paramètres du modèle climatique qui sont les plus vraisemblables, c’est-à-dire les plus à même d'expliquer les observations. Une fois ces valeurs estimées, le modèle climatique fournit une estimation de la température en toute latitude et à toute date ».

Le modèle climatique paramétré

Le modèle climatique est basé sur une équation aux dérivées partielles construite à partir de bilans énergétiques, c’est-à-dire à partir des différences entre radiations solaires entrantes et radiations solaires sortantes. Les paramètres qui déterminent ces dernières sont notamment :

  • l’effet de serre, lié à la couche de gaz qui empêche la réflexion des radiations et qui est facteur de réchauffement
  • l’albedo, c’est-à-dire le pouvoir de  réflexion  de la surface terrestre, déterminée par la nature de cette surface et par la température : une surface blanche comme la glace réfléchit fortement les radiations solaires, c’est donc un facteur de refroidissement. Au contraire, les océans, surfaces sombres, absorbent les radiations et sont facteur de réchauffement. L’albédo est fonction des températures en cours, mais aussi des températures passées, ce qui complique encore le modèle en faisant intervenir des termes de retard.
  • D’autres paramètres interviennent : la diffusion de la température sur la terre, etc.

« Notre approche est validée pour l'instant à partir de données de carottes simulées.  Nous espérons ensuite appliquer cette méthode à des données réelles dans le cadre d'une collaboration avec le Department of Atmospheric and Oceanic Sciences de UCLA.

En mathématiques appliquées, la recherche est assez cloisonnée. Il y a le monde des modèles statistiques empiriques, qui  décrivent une réalité sans expliciter les mécanismes qui la sous-tendent, et le monde des systèmes dynamiques explicatifs, qui aident à comprendre un phénomène via une description mécaniste. L’originalité de notre démarche consiste à coupler les deux » concluent Lionel Roques et Samuel Soubeyrand.

Contact(s)
Contact(s) scientifique(s) :

Département(s) associé(s) :
Mathématiques et informatique appliquées
Centre(s) associé(s) :
Provence-Alpes-Côte d'Azur

Une approche généralisable à d’autres problématiques

La méthode consistant à utiliser une approche statistique pour paramétrer un modèle dynamique spatio-temporel est applicable à d’autres problématiques, par exemple celles des invasions biologiques. Elle a notamment permis  de modéliser la propagation de la processionnaire du pin et du moustique tigre et d’en comprendre les facteurs déterminants.