La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée “dynamique stochastique”, consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites“optimales” correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales / Over the last twenty years, research in ensemble predictions at a seasonal timescale using general circulation models has undergone a considerable development due to the exponential growth rate of computing capacities, the improved model resolution and the introduction of more and more components (ocean, atmosphere, land surface and sea-ice) that have an impact on climate at this time scale. Regardless of these efforts, predicting temperature and precipitation for the upcoming season is a difficult task, not only over mid-latitudes but also over regions subject to high climate risk, like West Africa during the monsoon season. One key to improving predictions is to represent model uncertainties (due to resolution, parametrizations, approximations and model error). The multimodel approach is a well-tried method which consists in pooling members from different individual coupled models into a single superensemble. This approach was undertaken as part of the European Commission funded ENSEMBLES project, and we find that it usually improves seasonal precipitation re-forecasts over several regions of Africa with respect to individual model predictions. The main goal of this thesis is to study another approach to addressing model uncertainty in the global coupled model CNRM-CM5, by adding stochastic perturbations to the dynamics of the atmospheric model ARPEGE-Climat. Our method, called “stochastic dynamics”, consists in adding additive perturbations to the temperature, specific humidity and vorticity fields, thus correcting estimations of model initial tendency errors. In this thesis, two initial tendency error estimation techniques were studied, based on nudging the model towards reference data. They yield different results in terms of re-forecast scores, depending on the regions studied. If the initial tendency error corrections are estimated using an iterative nudging method towards the ERA-Interim reanalysis, seasonal prediction scores over the Northern Hemisphere in winter are significantly improved by drawing random corrections. The 500 hPa geopotential height is also clearly reduced. A re-forecast using “optimal” perturbations drawn within the initial tendency error corrections from the current forecast month shows that useful information at a monthly timescale exists, and could allow significant forecast improvement. The last part of this thesis focuses on the idea of classifying the model perturbations according to its current state during the forecast, in order to take a step closer (if possible) to the improvements noted with these optimal perturbations

Résumé : Cette thèse vise à documenter les processus physiques et dynamiques associés à la circulation de mousson vietnamienne d'échelles régionale et synoptique, afin d'étudier la prévisibilité de ses principales composantes et de mettre en place des méthodes statisticodynamiques de prévision des pluies de l'échelle saisonnière à celle des événements. Elle s'articule en deux parties. La première partie est, en fait, une étude climatique fondée sur l'analyse diagnostique des données : - d'abord, les données stationnelles des pluies et des températures mensuelles sur la période 1960-2000 sont utilisées pour analyser le cycle moyen et la variabilité interannuelle de ces champs sur les sept régions climatiques traditionnelles du Vietnam, à l'aide des précipitations observées en diverses stations. Des classifications et des corrélations sont appliquées sur les données de pluies afin de définir les sous-régions sur lesquelles seront calculés des indices spatiaux pour analyser les chroniques d'évolution et définir les prédictants et prédicteurs pour la seconde partie ; - ensuite, les données atmosphériques de réanalyse du NCEP/DOE2 et les estimations pluviométriques du CMAP sur la période 1979-2004 en 2.5° x 2.5° sont utilisées pour décrire les processus de base, le cycle annuel moyen et la variabilité de la mousson dans la gamme des pas de temps synoptiques à interannuel. La seconde partie est une étude de prévisibilité des précipitations saisonnières : - les données de pluie in situ et le vent à 1 000 hPa sont utilisés pour définir l'onset de pluie sur le sud et nord Vietnam. Les dates d'onset sont prévues en se basant sur les indices régionaux qui sont sélectionnées à partir de données NCEP/DOE2 ; - la prévisibilité des cumuls saisonniers de pluies est enfin définie par la double utilisation de cinq modèles couplés du programme européen ENSEMBLES et par la prévision statistique.

La prévision d'ensemble à l'échelle saisonnière avec des modèles de circulation générale a connu un essor certain au cours des vingt dernières années avec la croissance exponentielle des capacités de calcul, l'amélioration de la résolution des modèles, et l'introduction progressive dans ceux-ci des différentes composantes (océan, atmosphère, surfaces continentales et glace de mer) régissant l'évolution du climat à cette échelle. Malgré ces efforts, prévoir la température et les précipitations de la saison à venir reste délicat, non seulement sur les latitudes tempérées mais aussi sur des régions sujettes à des aléas climatiques forts comme l'Afrique de l'ouest pendant la saison de mousson. L'une des clés d'une bonne prévision est la prise en compte des incertitudes liées à la formulation des modèles (résolution, paramétrisations, approximations et erreurs). Une méthode éprouvée est l'approche multi-modèle consistant à regrouper les membres de plusieurs modèles couplés en un seul ensemble de grande taille. Cette approche a été mise en œuvre notamment dans le cadre du projet européen ENSEMBLES, et nous montrons qu'elle permet généralement d'améliorer les rétro-prévisions saisonnières des précipitations sur plusieurs régions d'Afrique par rapport aux modèles pris individuellement. On se propose dans le cadre de cette thèse d'étudier une autre piste de prise en compte des incertitudes du modèle couplé CNRM-CM5, consistant à ajouter des perturbations stochastiques de la dynamique du modèle d'atmosphère ARPEGE-Climat. Cette méthode, baptisée "dynamique stochastique", consiste à introduire des perturbations additives de température, humidité spécifique et vorticité corrigeant des estimations d'erreur de tendance initiale du modèle. Dans cette thèse, deux méthodes d'estimation des erreurs de tendance initiale ont été étudiées, basées sur la méthode de nudging (guidage) du modèle vers des données de référence. Elles donnent des résultats contrastés en termes de scores des rétro-prévisions selon les régions étudiées. Si on estime les corrections d'erreur de tendance initiale par une méthode de nudging itéré du modèle couplé vers les réanalyses ERA-Interim, on améliore significativement les scores sur l'hémisphère Nord en hiver en perturbant les prévisions saisonnières en tirant aléatoirement parmi ces corrections. Cette amélioration est accompagnée d'une nette réduction des biais de la hauteur de géopotentiel à 500 hPa. Une rétro-prévision en utilisant des perturbations dites"optimales" correspondant aux corrections d'erreurs de tendance initiale du mois en cours de prévision montre l'existence d'une information à l'échelle mensuelle qui pourrait permettre de considérablement améliorer les prévisions. La dernière partie de cette thèse explore l'idée d'un conditionnement des perturbations en fonction de l'état du modèle en cours de prévision, afin de se rapprocher si possible des améliorations obtenues avec ces perturbations optimales

Cette thèse cherche à étudier les relations climat/agriculture en Afrique de l'Ouest dans un contexte de croissance démographique nécessitant une augmentation des rendements agricoles futurs. Nous cherchons à caractériser dans un premier temps les changements climatiques passés et futurs dans la région, puis à passer en revue plusieurs études qui donnent une estimation de l'impact du climat futur sur les rendements agricoles de la sous-région, afin de produire des résultats robustes et de souligner les limites de ces études. La valeur médiane d'évolution des rendements futurs se situe ainsi vers -11%, et cette valeur est robuste au type de modèle agronomique employé. Il semble de plus nécessaire de travailler plus en détail sur les scénarii futurs, parfois trop limités et sur les différences entre variétés qui peuvent être importantes. Nous soulignons également l'hétérogénéité des résultats à l'échelle de la sous-région. Nous nous fondons dans un deuxième temps sur ces constatations pour réaliser une étude d'impact originale utilisant des données observées sur 35 stations météorologiques en Afrique de l'Ouest. Pour cela, nous définissons 35 scénarii possibles fondés sur cinq anomalies de pluie (de -20% à +20%) et sept de température (de +0°C à +6°C) et nous simulons les rendements pour trois variétés contrastées de mil et trois de sorgho. Les résultats montrent entre autre une évolution négative du rendement moyen principalement due à l'augmentation de température que la pluie peut seulement atténuer ou aggraver. On note également un impact plus négatif pour les variétés à cycle court et constant que pour les variétés sensibles à la photopériode. Enfin, pour une même anomalie de température, si on considère comme équiprobables les cinq scénarii de pluie, la probabilité d'avoir une forte baisse des rendements est plus importante dans le Sud de la sous-région. Les constatations sur la forte variabilité interannuelle de la pluie (et donc des rendements) et sur le climat futur incertain nous poussent donc à étudier l'intérêt pour les paysans sahéliens de prévisions climatiques saisonnières qui donnent avant le début de la saison des pluies une information sur la catégorie du cumul pluviométrique (plutôt sec, normal ou humide). Cette prévision permet ainsi de minimiser l'impact de l'aléa pluviométrique et est robuste à l'incertitude du changement climatique. Nous calculons de ce fait la valeur d'une telle information pour les cultivateurs de mil nigériens en utilisant un modèle économique représentant les stratégies des agents considérés (choix culturaux, aversion au risque...). Les résultats montrent un impact sur le revenu globalement positif, même en années sèches et avec une prévision d'une précision proche de l'existant. Ainsi, cette prévision imparfaite donne une augmentation du revenu de +6.9% sur les 18 années. Ce gain est légèrement supérieur avec une prévision parfaite (+11%) et atteint +34% si on fournit des informations supplémentaires sur le début et la fin de la saison: ces informations permettent en effet d'utiliser de nouvelles stratégies culturales. Enfin, afin d'étudier des points que l'évaluation théorique laissait en suspens nous élaborons au Sénégal des ateliers participatifs qui visent à étudier avec les acteurs locaux les changements de stratégies culturales en réaction à des prévisions climatiques (saisonnières et décadaires), ainsi que le gain engendré par ces prévisions sur les rendements. L'impact sur les rendements est évalué avec l'aide d'un expert et montre que les prévisions ont certes un effet nul dans 62% des cas, mais qu'il est positif dans 31%. Ces résultats dépendent cependant des villages étudiés.

La neige peut couvrir jusqu'à 40% des terres immergées de l'hémisphère Nord en hiver. De par son influence sur le bilan d'énergie en surface, elle constitue donc une source potentielle de variabilité et de prévisibilité climatique aux échelles mensuelles à saisonnières. Au-delà de ses effets locaux, la couverture neigeuse peut, à l'instar des surfaces océaniques, engendrer des téléconnexions et ainsi moduler le climat de régions plus lointaines. Cette thèse revisite plusieurs aspects des liens neige-climat en utilisant à la fois les jeux de données observées, les simulations réalisées pour le 4ème rapport du Groupe Intergouvernemental d'experts sur l'Evolution du Climat (GIEC), ainsi que le modèle atmosphérique ARPEGE-Climat pour réaliser des tests de sensibilité. L'influence de la neige eurasiatique/himalayenne sur la mousson indienne d'été, largement évoquée dans la littérature, est remise en cause par l'analyse des données observées étendues à la période 1967-2006. Toutefois, un prédicteur lié à la circulation atmosphérique de grande échelle sur le Pacifique Nord est proposé pour améliorer les prévisions saisonnières statistiques de la mousson indienne. L'influence des étendues de neige sibériennes en automne sur la variabilité atmosphérique hivernale de l'hémisphère Nord semble quant à elle plus robuste dans les observations. Si les modèles couplés du GIEC sont incapables de reproduire cette téléconnexion, les expériences de sensibilité réalisées avec ARPEGE-Climat confirment le mécanisme physique proposé dans la littérature, à condition que la perturbation en surface soit importante et que l'état moyen de la circulation extratropicale simulé soit suffisamment réaliste. Finalement, la prévisibilité de l'atmosphère associée à l'enneigement est quantifiée de façon plus systématique avec ARPEGE-Climat. Si les résultats montrent un impact mitigé sur la circulation de grande échelle, la relaxation/initialisation du modèle vers/avec des masses de neige plus réalistes permet une meilleure prévisibilité des températures de surface sur l'Europe et l'Amérique du Nord. La neige représente donc une source de prévisibilité climatique non négligeable à l'échelle locale et peut influencer à distance la circulation atmosphérique extratropicale. Les téléconnexions neige-climat doivent être cependant être confirmées dans les années qui viennent, et constituent encore un exercice difficile pour l'état de l'art des modèles de climat.

Bien que la prévision saisonnière soit opérationnelle depuis quelques années, son application à l'hydrologie reste encore aujourd'hui moins développée. La prévision saisonnière hydrologique peut pourtant se révéler être un outil utile pour prévoir quelques mois à l'avance les caractéristiques hydrologiques, comme les conditions d'humidité des sols ou les débits des rivières. L'objectif de cette thèse est d'évaluer le potentiel de la chaîne hydrométéorologique Hydro-SF pour prévoir les débits et l'humidité des sols à l'échelle de la saison en France métropolitaine pour la gestion des ressources en eau, et plus particulièrement l'anticipation des sécheresses et des basses eaux. Pour cela, dans un premier temps, les différentes sources de prévisibilité du système hydrologique, ainsi que l'apport de la prévision saisonnière par rapport à une prévision climatologique, sont évaluées sur la période de 1960 à 2005 au printemps (trimestre Mars-Avril-Mai). Ces résultats, qui font l'objet d'un article publié, montrent alors qu'une part importante de la prévisibilité du système hydrologique provient : de la neige pour les bassins de montagne, de la nappe souterraine modélisée dans le bassin de la Seine, et du forçage atmosphérique pour les plaines en France. De plus, plusieurs forçages du modèle de climat ARPEGE sont comparés, et l'apport de la prévision saisonnière par rapport à la climatologie est constaté sur le Nord-Est de la France. Ensuite, compte-tenu de l'importance des forçages tmosphériques dans les résultats obtenus précédemment en zone de plaine, un travail spécifique sur la descente d'échelle des prévisions saisonnières météorologiques est réalisé. Les températures et les précipitations issues des prévisions saisonnières sont désagrégées grâce à une méthode statistique complexe : la classification par type de temps et analogues avec DSCLIM. Cette désagrégation est ainsi comparée à la méthode implémentée jusqu'à présent, basée sur une simple interpolation spatiale et des calculs d'anomalies standardisées. Ce travail sur la descente d'échelle s'effectue toujours sur la période du printemps, et permet ainsi de constater que son apport par rapport à la descente d'échelle simple auparavant utilisée reste mitigé autant pour les paramètres de surface du forçage atmosphérique que pour les variables hydrologiques. Quelques pistes d'études plus poussées sur la descente d'échelle des prévisions saisonnières sont ainsi proposées pour l'avenir. Enfin, des prévisions saisonnières hydrologiques sont réalisées pour la saison de l'été (Juin-Juillet-Août), période où ont lieu les plus fortes tensions sur les différents usages de l'eau du fait des faibles débits et des sécheresses. Ce thème est alors documenté à l'aide de quatre expériences de prévisions avec des dates d'initialisations différentes (de Février à Mai) pour évaluer la chaîne Hydro-SF sur la période de débits estivaux en France, mais aussi pour connaître la date optimale d'initialisation des prévisions et permettre la meilleure anticipation d'éventuelles sécheresses. Les résultats sont intéressants puisqu'ils montrent des scores significatifs à partir des prévisions initialisées au mois d'Avril, surtout pour les bassins en aval des montagnes dont la prévisibilité dépend de la couverture neigeuse, et le bassin de la Seine où l'influence de la nappe modélisée sur les débits des rivières augmente par rapport au printemps. Comme pour le printemps, l'apport de la prévision saisonnière pour le système hydrologique est évalué et montre une valeur ajoutée sur le Sud de la France.