Distribution-based pooling for combination of climate simulations
Pour étudier, évaluer et anticiper le changement climatique, des dizaines de modèles climatiques globaux ont été conçus, chacun modélisant le système terrestre de manière légèrement différente. Pour extraire un signal robuste des diverses simulations et sorties, les modèles sont généralement regroupés en ensembles multimodèles. Ceux-ci sont ensuite résumés de différentes manières, par exemple par les moyennes, médianes ou quantiles multimodèles (éventuellement pondérés). Dans ce travail, nous introduisons une nouvelle méthode d’agrégation des probabilités appelée « alpha pooling » qui construit une fonction de répartition (FR) agrégée conçue pour être plus proche d’une FR de référence sur la période d’étalonnage (historique). Les FR agrégées peuvent ensuite être utilisées pour ajuster le biais des simulations climatiques brutes, ce qui permet d’effectuer une « correction du biais multi-modèle ». La clé du α-pooling est un paramètre α qui décrit le type de transformation et donc le type d’agrégation, généralisant à la fois les méthodes de regroupement linéaires et log-linéaires. Nous établissons tout d’abord que le α-pooling est une méthode d’agrégation mathématiquement valide en vérifiant certaines propriétés optimales. Ensuite, en se concentrant sur des simulations de modèles climatiques de température et de précipitations sur l’Europe occidentale, plusieurs expériences sont menées afin d’évaluer la performance de la méthode.