Nos cartes
Probable Futures estime que la plus grande prouesse humaine peut être la compréhension de notre planète et de ses systèmes, ainsi que notre capacité à comprendre comment nous pouvons les influencer. Une partie de cette compréhension nécessite une expertise approfondie, mais nous avons constaté que toute personne peut appréhender et comprendre les principales caractéristiques de notre climat et du changement climatique lorsqu'on lui fournit les bons outils et les informations utiles.
Ce chapitre présente les principaux aspects de notre processus et vous conseille sur la façon d'utiliser (ou de ne pas utiliser) les données et les cartes de cette plate-forme.
Si les superordinateurs sont nécessaires pour réaliser des simulations géantes de la Terre, un outil beaucoup plus simple peut présenter ces résultats de manière significative et utile : les cartes. Si vous savez lire une carte, vous pouvez apprendre l'essentiel de ce qu'il faut savoir sur le changement climatique. Nous nous sommes efforcés de faire des cartes claires et faciles à utiliser. Nous avons également essayé de les rendre attrayantes car c'est formidable de voir le monde de cette manière. Nous pensons qu'il est utile de s'étonner en explorant les avenirs probables, même les plus difficiles.
Toutes les données figurant sur les cartes interactives proviennent du cadre CORDEX-CORE, une normalisation des résultats des modèles climatiques régionaux. Nous utilisons actuellement les modèles climatiques régionaux REMO2015 et REGCM4. REMO2015 et REGCM4 sont les deux seuls MCR qui ont été exécutés sur tous les domaines dans CORDEX-CORE, un effort qui réduit les données de plusieurs MCG dans l'ensemble CMIP5 de modèles climatiques mondiaux. Nous continuerons à envisager d'inclure d'autres modèles au fur et à mesure qu'ils seront disponibles.
Nous avons choisi ces mesures des phénomènes climatiques en raison de leur pertinence pour les personnes et les infrastructures dont nous dépendons, à la fois à l'échelle mondiale et à l'échelle régionale. Par exemple, nous incluons plusieurs ensembles différents de données pour chaque mesure de phénomène climatique (par exemple, jours ayant des températures supérieures à 32, 35 et 38°C). Nous le faisons pour que vous puissiez analyser les seuils importants pour votre région, votre secteur d'activité ou vos intérêts. Par exemple, un seuil de température spécifique peut avoir plus d'importance dans l'est de la Chine que dans le sud de l'Australie. De même, une mesure particulière peut avoir un sens pour un gestionnaire de services publics, mais pas pour un cultivateur de café de la même région.
Les effets physiques du changement climatique, tels que les chaleurs extrêmes, les périodes de sécheresse et les précipitations, sont directement liés à la température moyenne mondiale, et non à des dates ou à des échéances. Autrement dit, les dates auxquelles la Terre pourrait atteindre certains scénarios de réchauffement ne sont pas prédéterminées mais dépendent de nos émissions.
Vous pouvez parcourir d'autres cartes qui prévoient des dates spécifiques. Les personnes qui ont créé les données pour ces cartes ont dû prévoir des scénarios d'émissions - une combinaison spécifique et complexe des activités humaines. Notre approche repose sur quelques d'hypothèses. En outre, nous pensons que les gens pourraient interpréter les cartes basées sur des dates comme des prédictions définitives, que nous ne pouvons plus influencer. D'autre part, l'utilisation de scénarios de réchauffement indique que nous contrôlons l'ampleur et le calendrier du changement climatique. De plus, l'utilisation de plusieurs modèles ayant le même niveau de réchauffement permet d'éliminer les sources de discordance qui se produisent, en forçant les modèles à s'aligner dans le temps, plutôt que sur les conditions atmosphériques.
Qu'il s'agisse de projections climatiques sur une carte accessible au public ou d'une carte commandée à un fournisseur de données climatiques, il est important de savoir qui fournit les données, quels modèles ils utilisent et quels choix méthodologiques ils font. Ces facteurs varient en fonction de l'utilisation prévue et des compétences des personnes qui analysent et présentent les données.
En général, les données relatives à la température sont les plus cohérentes de tous les phénomènes climatiques, quel que soit le modèle. En effet, la chaleur est fondamentale. Chaque élément de notre climat est causé ou influencé par la chaleur. C'est pourquoi les scientifiques conçoivent les modèles climatiques en se basant sur la température. C'est pourquoi la plate-forme Probable Futures commence par la chaleur et présente des cartes concernant différents phénomènes de température.
Nos collègues de Woodwell analysent les résultats des modèles climatiques, qui simulent les impacts possibles. Ces simulations calculent la température, l'humidité relative, les précipitations, les vents, la pression atmosphérique et d'autres aspects de la météo locale. Pour chaque jour simulé dans chaque maille, nous pouvons observer les températures hautes et basses, la quantité de précipitations, etc. La richesse des données nous permet à la fois d'étudier les conditions dans différents scénarios climatiques et de vérifier la "qualité" des modèles. Les scientifiques désignent par "compétence du modèle" la capacité des modèles à produire des résultats réalistes.
De nombreux chercheurs ont travaillé avec ces modèles au cours des dernières années. Des études universitaires sur les compétences des modèles sont donc disponibles, mais nous voulions voir si les modèles nous semblaient "corrects". Comme l'équipe de Probable Futures est dispersée, et l'a encore plus été durant la pandémie, nous nous sommes concentrés sur des lieux que nous connaissons bien. Au début de l'année 2021, un membre important de notre équipe, Isabelle, a décidé de s'installer à Portland, dans l'Oregon, une ville du nord-ouest des États-Unis. Elle ne s'y était jamais rendue avant. À part elle, personne dans l'équipe ne connaissait bien ce climat et nous pensions qu'il était doux. Ensemble, nous avons analysé les résultats du modèle pour la maille où se trouve Portland. Le diaporama ci-dessous fournit une bonne étude de cas des résultats du modèle et de la manière de les appliquer.









Les données et le contenu éducatif que nous publions sur nos cartes sont soumis à un processus rigoureux d'examen et de validation.
Nous avons mis en place un processus interne de contrôle de la qualité, qui comprend des cycles de révision au sein de Woodwell et des consultations avec d'autres scientifiques éminents du climat. L'examen interne a lieu au début du processus de développement des données, après avoir effectué et testé les choix méthodologiques initiaux. L'examen externe a lieu lorsque les données sont dans leur version finale.
Notez que nous n'avons pas l'intention que le processus de révision reproduise exactement celui de la révision par des pairs d'une publication universitaire. Nous demandons aux experts externes d'évaluer l'ensemble des données d'un point de vue global, en confirmant que les méthodologies choisies sont utilisées dans la communauté scientifique, que les hypothèses formulées sont défendables et que la documentation est suffisante pour être reproduite. Nous demandons également aux experts de poser des questions et de formuler des recommandations plus générales sur les méthodologies et sur la documentation associée. Nous remercions les nombreux scientifiques qui ont offert leur temps et leur expertise. Probable Futures continuera à faire évoluer les modèles et à les mettre à jour.
- Traiter les données comme un outil. Il est important que toute personne utilisant les cartes de Probable Futures comprenne bien ceci : bien que les cartes donnent des valeurs spécifiques, les résultats simulent une gamme de résultats possibles dans un programme informatique qui modélise la Terre. En d'autres termes, les résultats ne doivent pas être considérés comme une prédiction spécifique. Ils doivent plutôt être considérés comme un outil pouvant donner une idée de l'ampleur et de la probabilité de certains impacts climatiques et de la manière dont elles évoluent en fonction des changements atmosphériques.
- Cherchez à savoir comment les modèles ont été créés. Nous encourageons toute personne produisant ou appliquant des données climatiques à s'efforcer de comprendre les modèles et les approches de réduction d'échelle utilisés, ainsi que les hypothèses de ces modèles. Nous les encourageons également à divulguer ces détails aux publics concernés et aux parties prenantes.
- Indiquez comment vous utilisez les données. Les structures de publication sur le climat, telles que le CDP ou la Task Force on Climate-related Financial Disclosures (TCFD), peuvent s'avérer être des guides utiles. Ils progressent rapidement pour fournir des normes relatives la communication des risques climatiques physiques. Nous encourageons l'adoption de telles normes et nous espérons que Probable Futures pourra être une source utile. Woodwell et Wellington Management ont également publié récemment des structures de publication en complément de ces sources.
- Le partage d'informations nous rend plus forts. La communauté scientifique ouverte compte des milliers de praticiens dévoués et compétents qui collaborent et partagent leurs résultats. Nous pensons que les communautés, qu'elles soient au niveau local ou au niveau mondial, peuvent mieux faire face au changement climatique en partageant leurs informations. Cela est plus souhaitable qu'un petit nombre de personnes disposant de "leurs propres" informations climatiques.
La chaleur, les précipitations et la sécheresse sont les principaux phénomènes que nous décrivons sur notre plateforme. Pourquoi ces trois phénomènes ? Probable Futures vise à servir de ressource pour une science du climat bien établie, bien comprise et bien vérifiée. Les phénomènes climatiques spécifiques que nous choisissons d'inclure sur notre plateforme doivent répondre à des normes scientifiques rigoureuses et être disponibles à une échelle quasi mondiale. La chaleur, la sécheresse et les précipitations sont des phénomènes climatiques fondamentaux de premier ordre dont la physique est bien comprise et qui peuvent être modélisés à l'échelle mondiale de manière relativement précise. En outre, ils sont pertinents partout.
En outre, l'activité humaine joue un rôle important dans l'apparition de certains phénomènes climatiques de second ordre tels que les incendies de forêt et les inondations. Par exemple, l'humanite déclenche souvent des incendies de forêt et vit dans des zones sujettes aux incendies de forêt appelées interface urbaine et sauvage (WUI), et les infrastructures d'inondation dans un endroit donné peuvent déterminer si cet endroit est inondé ou non. Ces facteurs rendent la modélisation beaucoup plus complexe et théorique, en particulier à l'échelle mondiale.