TEXTE ORIGINAL

14.2.2 Predictability in a Chaotic System

The climate system is particularly challenging since it is known that components in the system are inherently chaotic; there are feedbacks that could potentially switch sign, and there are central processes that affect the system in a complicated, non-linear manner. These complex, chaotic, non-linear dynamics are an inherent aspect of the climate system. As the IPCC WGI Second Assessment Report (IPCC, 1996) (hereafter SAR) has previously noted, “future unexpected, large and rapid climate system changes (as have occurred in the past) are, by their nature, difficult to predict. This implies that future climate changes may also involve ‘surprise’. In particular, these arise from the non-linear, chaotic nature of the climate system … Progress can be made by investigating non-linear processes and sub-components of the climatic system.” These thoughts are expanded upon in this report: “Reducing uncertainty in climate projections also requires a better understanding of these non-linear processes which give rise to thresholds that are present in the climate system. Observations, palaeoclimatic data, and models suggest that such thresholds exist and that transitions have occurred in the past … Comprehensive climate models in conjunction with sustained observational systems, both in situ and remote, are the only tool to decide whether the evolving climate system is approaching such thresholds. Our knowledge about the processes, and feedback mechanisms determining them, must be significantly improved in order to extract early signs of such changes from model simulations and comments.” (See Chapter 7, Section 7.7).

14.2.2.1 Initialization and flow adjustments

Integrations of models over long time-spans are prone to error as small discrepancies from reality compound. Models, by definition, are reduced descriptions of reality and hence incomplete and with error. Missing pieces and small errors can pose difficulties when models of sub-systems such as the ocean and the atmosphere are coupled. As noted in Chapter 8, Section 8.4.2, at the time of the SAR most coupled models had difficulty in reproducing a stable climate with current atmospheric concentrations of greenhouse gases, and therefore non-physical “flux adjustment terms” were added. In the past few years significant progress has been achieved, but difficulties posed by the problem of flux adjustment, while reduced, remain problematic and continued investigations are needed to reach the objective of avoiding dependence on flux adjustment (see Chapter 8, Section 8.4.2; see also Section 8.5.1.1).
     Another important (and related) challenge is the initialization of the models so that the entire system is in balance, i.e., in statistical equilibrium with respect to the fluxes of heat, water, and momentum between the various components of the system. Tea problem of determining appropriate initial conditions in which fluxes are dynamically and thermodynamically balanced throughout a coupled stiff system, such as the ocean-atmosphere system, is particularly difficult because of the wide range of adjustment times ranging from days to thousands of years. This can lead to a “climate drift”, making interpretation of transient climate calculations difficult (see Chapter 8, Section 8.4.1).
     The initialisation of coupled models is important because it produces the climate base state or “starting point” for climate change experiments. Climate model initialisation continues to be an area of active research and refinement of techniques (see Chapter 8, Section 8.4). Most groups use long integrations of the sub-component models to provide a dynamically and thermodynamically balanced initial state for the coupled model integration. However, there are at least as many different methods used to initialise coupled models as there are modelling groups. See Stouffer and Dixon (1998) for a more complete discussion of the various issues and methods used to initialise coupled models.
    Since the SAR, improvements in developing better initialisation techniques for coupled models have been realised. For instance, starting with observed oceanic conditions has yielded improved simulations with reduced climate drift (Gordon et al., 1999). Earlier attempts with this technique usually resulted in relatively large trends in the surface variables (Meehl and Washington, 1995; Washington and Meehl, 1996). Successfully starting long coupled integrations from observations is important for a number of reasons: it simplifies the initialisation procedure, saves time and effort, and reduces the overhead for starting new coupled model integrations.
    Such progress is important, but again further work is needed. We simply do not fully understand the causes of climate drift in coupled models (see Chapter 8, Section 8.4.2).

TRADUCTION

14.2.2 - Prévisibilité dans un système chaotique

Le système climatique représente un défi particulier car on sait que les composantes du système sont intrinsèquement chaotiques, qu'il y a des rétroactions qui peuvent potentiellement changer de signe, et qu'il existe des processus centraux qui affectent le système de manière compliquée et non linéaire. Ces dynamiques complexes, chaotiques et non linéaires sont un aspect inhérent du système climatique. Comme l'indique le deuxième rapport d'évaluation du GTI du GIEC, les changements futurs, inattendus, importants et rapides du système climatique (comme cela s'est produit dans le passé) sont, par nature, difficiles à prévoir. Cela implique que, dans le futur, ils peuvent comporter des "surprises" découlant de cette nature non linéaire et chaotique...Des progrès peuvent être réalisés en enquêtant sur ces processus et leurs sous-composants. Ces réflexions sont développées dans le présent rapport : La réduction de l'incertitude dans les projections climatiques nécessite également une meilleure compréhension de ces processus non linéaires qui sont à l'origine du changement climatique et de leurs seuils. L’observation des données paléoclimatiques et les modèles suggèrent que de tels seuils existent et que des transitions ont eu lieu dans le passé. Des modèles climatiques complets, associés à des systèmes d'observation, à la fois in situ et à distance, sont les seuls outils permettant de décider si le système climatique en évolution s'approche de ces seuils. Notre connaissance des processus et des mécanismes de rétroaction qui les déterminent doit être considérablement améliorée pour extraire des simulations de modèles et des observations de signes précurseurs de tels changements. (Voir chapitre 7, section 7.7)

14.2.2.1 - Initialisation et réglages de flux

Les intégrations de modèles sur de longues périodes sont sujettes à erreur du fait de petites divergences initiales par rapport à la réalité. Les modèles, par définition, sont des descriptions réduites de la réalité et donc incomplètes et erronées. Les pièces manquantes et les petites erreurs peuvent poser des difficultés lorsque des modèles de sous-systèmes tels que l'océan et l’atmosphère sont couplés. Comme indiqué au chapitre 8, section 8.4.2, à l'époque du SAR (Second Assessment Report) les modèles les plus couplés avaient du mal à reproduire un climat stable avec les concentrations atmosphériques actuelles de gaz à effet de serre, et donc des «termes d’ajustement de flux» non physiques ont été ajoutés. Au cours des dernières années, d'importants progrès ont été réalisés, mais les difficultés posées par le problème des ajustements de flux, bien que réduites, restent problématiques et des investigations continues sont nécessaires pour atteindre l'objectif d'éviter de dépendre de l'ajustement de flux (voir Chapitre 8, Section 8.4.2 ; voir aussi Section 8.5.1.1).
     Un autre défi important (et connexe) est l'initialisation des modèles pour que l'ensemble du système soit en équilibre, c'est-à-dire en équilibre statistique vis-à-vis des flux de chaleur, d'eau et dynamiques entre les différentes composantes du système. Le problème de la détermination des conditions initiales appropriées dans lesquelles les flux sont équilibrés dynamiquement et thermodynamiquement tout au long d'un système rigide couplé, tel que le système océan-atmosphère, est particulièrement difficile en raison du large éventail des temps d'ajustement allant de quelques jours à des milliers d'années. Ceci peut conduire à une «dérive climatique », rendant l'interprétation des calculs transitoires climatiques difficiles (voir chapitre 8, section 8.4.1).
    L'initialisation des modèles couplés est importante car elle produit l'état climatique de base ou « point de départ » pour les simulations de changement de climat. L'initialisation du modèle climatique continue d'être un domaine de recherche active et de perfectionnement des techniques (voir chapitre 8, section 8.4). La plupart des groupes utilisent de longues intégrations du modèle de sous-composants pour fournir un état initial équilibré dynamiquement et thermodynamiquement pour l'intégration du modèle couplé. Cependant, il existe au moins autant de méthodes différentes utilisées pour initialiser les modèles couplés qu’il existe de groupes de modélisation. Voir Stouffer et Dixon (1998) pour une discussion plus complète de la diversité des résultats et des méthodes utilisées pour initialiser des modèles couplés.
    Depuis le SAR (Second Assessment Report), des améliorations dans le développement de meilleures techniques d'initialisation pour les modèles couplés ont été réalisées. Par exemple, à partir des conditions océaniques observées ceci a donné des simulations améliorées avec une dérive climatique réduite (Gordon et al.,1999). Les tentatives antérieures avec cette technique aboutissaient généralement à des tendances relativement importantes des variables de surface (Meehl et Washington, 1995 ; Washington et Meehl, 1996). Démarrer avec succès de longues intégrations couplées à partir d'observations est important pour plusieurs raisons : il simplifie la procédure d'initialisation, économise du temps et des efforts, et réduit les frais généraux liés au démarrage de nouvelles intégrations de modèles couplés.
     Ces progrès sont importants, mais encore une fois, des travaux supplémentaires sont nécessaires. Nous ne comprenons tout simplement pas pleinement les causes de la dérive climatique dans les modèles couplés (voir chapitre 8, section 8.4.2).