• Mémoire/Travaux
• 0 Commentaire(s)

Correction des biais dans les scénarii climatiques du GIEC pour Haïti

En Haïti, au cours des 30 dernières années, les événements hydroclimatiques extrêmes occasionnent des dommages importants sur les populations, les infrastructures et l’économie du pays, et ralentissent ou anéantissent les efforts entrepris par l’état, les collectivités et les populations pour se relever des catastrophes précédentes. Malheureusement, les projections climatiques du GIEC établis pour Haïti suggèrent que les conséquences déjà sévères sur l’économie du pays et sur les populations pourraient s’aggraver dans le futur. Dans ce contexte, investir dans des solutions durables nécessite de connaitre et d’anticiper l’évolution de ces événements climatiques extrêmes dans les politiques de planification et dans les stratégies de réduction des risques. Ainsi, l’objectif général de ce mémoire est de désagréger et de corriger les scénarii climatiques CMIP6 sur Haïti. Pour atteindre cet objectif, ce travail est basé sur deux objectifs spécifiques : 1. Les modèles climatiques globaux ont-ils une bonne capacité à estimer les précipitations annuelles, mensuelles et saisonnières d'Haïti durant la période historique 1920-1940? 2. Quelle méthode de correction permettant de mieux corriger les biais dans les scénarios climatiques (CMIP6) du GIEC à l’horizon 2100 sur Haïti ? L’erreur quadratique moyenne (RSME), l’erreur absolue moyenne (MAE), le biais moyen et le pourcentage de biais moyen ont été calculés à parti des données issues de neuf modèles climatiques globaux (GCMs) du CMIP6 et 12 séries de précipitations journalières de la base de données Simbi (Bathelemy et al., 2024). Celle-ci a été menée à l’échelle mensuelle, saisonnière et annuelle sur une période historique 1920-1940. Compte tenu des contraintes liées aux résolutions, la méthode, du plus proche voisin (KN) a été utilisée sur les modèles MCG CMIP6 pour extraire les données appropriées. De plus, l’évaluation de la performance de deux méthodes de corrections des biais (Mise à l’échelle et Quantile Mapping) a été réalisée en utilisant le pourcentage de biais (PBIAS), le biais moyen, la moyenne (µ), le 90è񑚽ђ percentile (P90), la probabilité d’un jour humide (Pwet), l’écart-type (σ) sur la période de validation (1935-1940). Après avoir évalué la performance de chaque méthode de correction des biais sur la période de validation (1935-1940), la méthode de correction des biais la plus performante a été appliquée aux données simulées de 6 MCG pour une tranche de temps future(2025-2100) dans le cadre d’un parcours socio-économique partagé(SSP5-8.5). Ensuite, les données corrigées des biais ont été utilisées pour analyser l’évolution spatio-temporelle du régime de pluie dans les scénarii climatiques sur Haïti au cours de la période 2025-2100. Cette partie du travail a été réalisée en plusieurs étapes : (i) dans un premier temps, nous avons calculé trois indices de précipitation ; (ii) Ensuite, une analyse spatio-temporelle et des tendances dces indices a été réalisée ; (iii) Enfin, les changements dans les indices de précipitations par rapport à la période de référence (1920-1940) ont été calculés. Les résultats de cette étude montrent que tous les modèles, à l’exception de celui AWI-ESM-1-1-LR ont bien reproduit le cycle annuel des données in situ. Les résultats ont également révélé que les modèles ont sous-estimé les précipitations mensuelles de mars à octobre, à l’exception du modèle CNRM-ESM2-1, pour lequel les précipitions ont été surestimées durant les mois de juillet à octobre. Cependant, les modèles CNRM-ESM2-1, AWI-ESM-1-LR, FGOAL-f3-L, TaiESM1, CMCC-CM2-SR5, ont surestimé les précipitations mensuelles pendant les périodes sèches (décembre à janvier), avec un écart supérieur à 2mm/jrs pour le modèle CNRMESM2-1. De plus, les écarts moyens du cumul journalier de pluie ont été compris entre (-2 et -4 mm/jrs) dans la majorité des stations. Les pourcentages des biais secs(biais négatifs) dans les modèles ont été supérieurs à 50 % dans la majorité des stations et ceux des biais humides(biais positifs) variaient entre 4 et 160 % . Ces biais humides ont été surtout dans les modèles CNRM-ESM2-1, AWI-ESM-1-1-LR et CMCC-CM2-SR5. Le CNRM-ESM2-1 était le plus humide, avec un pourcentage de biais très importante dans les stations dont le plus grand égale à 160 % pour la station P_102. L’analyse a également montré que les modèles étaient moins humides par rapport aux données observées dans toutes les saisons, à l’exception des modèles tels que: AWI-ESM-1-1-LR, CMCCCM2-SR5, CNR-ESM2-1, FGOALS-f3-L et TaiESM1 qui étaient plus humides que les données observées dans la saison hiver (DJF). En termes des pourcentages des biais (PBIAIS) et les écarts moyens, les biais ont été réduits dans les valeurs de précipitations quotidiennes dans toutes les stations pour tous les modèles lorsque ces deux méthodes ont été appliquées, à l’exception de quelques stations qui n’ont pas été corrigées pour certains modèles. A titre d’exemples : les stations (P_057, P_100 et P_114 ),( P_057), ( P_100 et P_102), (P_057), (P_057 et P_088), ainsi que P_033 et P_114 n’ont pas été corrigées pour les modèles AWI-ESM-1-1-LR, CESM2, CMMC-CM2-SR5, CNRM-ESM2-1, FGOALS-f3-L, et NorESM2-MM lorsque la méthode mise à l’échelle (LS) a été appliquée. De même, les stations (P_057 et P_100), (P_057), (P_100 et P_102), (P_057), (P_057 et P_088), (P_033 et P_114), ainsi que (P_102) n’ont pas été corrigées pour les modèles AWI-ESM-1-1-LR, CESM2, CMMC-CM2-SR5, CNRM-ESM2-1, FGOALS-f3-L, NorESM2-MM, et TaiESM1 respectivement lorsque la méthode Quantile Mapping a été appliquée. La méthode de la mise à l’échelle a été retenue pour corriger les biais dans les sorties de six MCG sur Haïti à l’horizon 2025-2100. À l’échelle saisonnière, des tendances à la baisse ont été observées sur toutes les stations pendant les saisons de pluvieuses (SON, MAM) pour l’indice des précipitations totales (PRCPTOT). Cependant, la saison sèche (DJF) a été caractérisée par des tendances à la hausse, à l’exception des stations P_091 et P_100 qui ont été caractérisées par des tendances à la baisse en hiver (DJF) avec des taux de 0.07 % et 0.01 % respectivement. De plus, la baisse

 de tendance saisonnière des précipitations totales (PRCPTOT) a été plus marquée dans les saisons de pluies avec des valeurs -6.27 %, -2.60 % et -2.77. La diminution pendant les saisons de l’indice (PRCPTOT) est due, non seulement à la baisse du nombre de jours de pluie, mais également à une diminution de l’intensité de pluie. La tendance spatiale, à l’échelle annuelle et saisonnière, a été évaluée pour les indices de précipitation au cours de la période 2025-2100. Les résultats ont montré que les précipitations totales annuelles ainsi que le nombre de jours de pluie connaîtront une tendance à la baisse. La baisse des précipitations totales annuelles était comprise entre -4 et -11 mm/an sur l’ensemble du pays. Cette baisse a été plus marquée pour le département de l’Ouest, Artibonite, Centre et Sud. A l’échelle saisonnière, des tendances à la baisse des précipitations totales (PRCPTOT) ont été observées en été (JJA), printemps (MAM) et en automne (SON).Les départements de l’Ouest, de l’Artibonite et du Sud ont été marqués par une tendance des précipitations plus faible en été (JJA) et au printemps (MAM). L’évaluation du changement moyen mensuel des précipitations totales (PRCPTOT) dans un futur proche(20252050), semi-lointain (2050-2070), lointain (2070-2100) par rapport à une période de référence (1920-1940) a été réalisée. Des diminutions de précipitations mensuelles ont été révélées de janvier à novembre. Ces baisses étaient particulièrement marquées en juillet, avec une valeur estimée à 66 % pour la fin du siècle (2070-2100), et en avril, avec des valeurs de 45 % et 53 % respectivement pour les périodes 2025-2050 et 2050-2070. En outre, le mois de décembre connaîtra une augmentation de pluie de l’ordre de 61 %, 52% et 66% respectivement pour les périodes 2025-2050, 2050-2070 et 2070-2100. Ce mémoire constitue la première étude qui corrige les biais dans les sorties brutes pour neuf modèles climatiques globaux (MCG) du GIEC sur Haïti et a permis de comprendre l’évolution spatio-temporelle des trois indices de précipitation à l’horizon de 2100.

Mots clés : correction des biais, scénario climatique, précipitation, modèles, GIEC, Haïti 

---

Memoire Fichier: Cliquer ici pour le télécharger

---

Rubrique: Mémoire/Travaux
Auteur: God-frey jacinthe | jacinthegod@gmail.com
Date: 5 Juil 2025