Résultats du bêta test de Seasonal Attribution

[Heyoka]

Traduction des résultats du beta test de Seasonal Attribution, par contre, je suis pas sur de bien comprendre la signification exacte de "Industrial and Non-Industrial climate model simulations". Si vous connaissez le sens exact ou tout simplement si vous voulez discuter à propos des résultats du beta test de Seasonnal,n'hésitez pas à poster sur le forum de l'Alliance Francophone.

Je pense que "Industrial climate model" c'est un modèle prenant en compte tout les effets sur le climat liés à la pollution industriel. Et le "Non-Industrial climate model", ça serait un climat modèle sans activité industrielle productrice de CO2 et de SO2.


Histogramme des cumuls pluviométriques pour l'automne 2000 obtenu grâce à la simulation en beta test [21 A2000 / 18 NIA2000 simulations]


Graphique 1 : En absicce le cumul pluviométrique en mm (ou litres par mètres carré). En Ordonnée, nombre de survenance du cumul pluviométrique x

Graphique 2 : En absicce le cumul pluviométrique en mm (ou litres par mètres carré). En ordonné densité de probabilité de la variable aléatoire "cumul pluviométrique"

1. Cumul pluviométrique en Angleterre et au Pays de Galle durant l'automne 2000

(traduction de cette page)

La figure dans le panneau supérieur compare la distribution des modèles de cumuls pluviométriques retournés par les utilisateurs pendant le beta test. Deux modèles de simulation climatique fonctionnent sur Seasonnal Attribution un modèle dit "industriels" ("A2000") et un autre dit "non-industriel" ("NIA2000").

Spécifiquement, dans ce modèle sont comparés , des cumuls pluviométriques observés sur l'Angleterre et le Pays de Galles (environ 20 modèles),ainsi que 21 simulations "industriels" (en bleu) contre 18 simulations "non industrielles" (en vert)

Le cumul moyen observé pour l'automne 2000 , 502.7mm* ,( (Alexander & Jones, 2001) sont représentées par le bâtonnet rouge, et la normale saisonnière 1961-1990 (une période commune pour effectuer des comparaisons) est également représenté à droite du diagramme en bâton, grâce à chacun des différents scénarios modèles.

Très vite nous observons que la plupart des simulations sont très éloignées de la valeur observée en 2000. C'était prévisible, puisque les cumuls observés durant l'automne 2000 était en soi un événement extrême rare (l'automne le plus humide depuis le début des relevés en 1766), de sorte que la majorité des tentatives de modélisation d'une telle période ne peuvent être que très en deçà des valeurs observées - seule une fraction des simulations peuvent atteindre ou excéder le cumul observé, et c'est pourquoi nous avons besoin d'un nombreextremement élevé de simultation !

Chacune de ces simulations restent cependant extrêment utiles, car c'est la comparaison de ces fractions de modèle et l'observation des différences entre les distributions industrielleset non-industrielle qui fourniront les résultats les plus intéressants - et le but final de ce projet.

En obtenant des simulations d'ensemble des scénarios industriels et non-industriels, nous pouvons améliorer l'évaluation de leur distribution et par conséquent tirer des conclusions sur les « climats » (« le temps moyen ») de chacun de ces scénarios.

Par exemple, les simulations A2000 (avec activité industrielle) semblent déjà montrer une tendance à être plus humides que le NIA2000 ; la moyenne de la distribution A2000 est environ 10.9% plus humides que celle de NIA2000, et il semblerait qu'il y ait une tendance vers des cumuls pluviométriques plus élevés. Les deux moyennes obtenues sont également légèrement inférieures à la normale climatique observée entre 1961 et 1990, suggérant que nous devrions appliquer quelques corrections sur les résultats du modèle.

D'ailleurs, avec plus de simulation et donc une meilleure évaluation, nous pouvons être plus confiants dans nos analyses en examinant les extremums de la distribution - c'est à dire. les événements les plus extrêmes.

En ce moment, bien que, ceci soit dejà assez clair nous avons besoin de beaucoup plus de simulations !

[Le diagrame en bâton du dessous est une version normalisé du diagramme du dessus. Celui du dessus donne le nombre de survenance réel de la variable x, il ne faut donc pas confondre les 2 diagrammes.]

* 502.7mm, c'est 502.7 litres au mètre carré, par comparaison à Paris Montsouris il pleut en moyenne 641.6 mm par an



Inscription depuis le site de projet

Plus d'infos sur ce projet