Données climatiques de base

Nouvelles données concernant l'Allemagne et la Bavière

En 2025, une MISE À JOUR a été publiée, comprenant les ajouts suivants :

• - La base de données climatiques a été mise à jour pour la période d'observation allant jusqu'en 2020.
• - L'ensemble de modèles climatiques a été complété par des simulations supplémentaires (Euro-Cordex) et élargi pour inclure des simulations historiques.
• - La correction du biais des données de simulation a été effectuée à l'aide d'un logiciel développé en interne.
• - Les données de résultats ont été interpolées sur une grille plus fine, en tenant compte des caractéristiques topographiques.

Différences

La différence par rapport à l’ensemble de données Impact2C utilisé à partir de 2019 réside essentiellement dans un ensemble de modèles plus complet, comprenant 17 simulations pour le scénario RCP8.5. Les statistiques qui en résultent pour certains indicateurs climatiques sur une période de 30 ans reposent donc sur 30 × 17 = 510 valeurs annuelles (au lieu de 120). En comparaison, des écarts significatifs peuvent apparaître dans l'évolution de certains indicateurs.

La fourchette de la température moyenne annuelle en Allemagne reste globalement inchangée, comprise entre 11 °C et 14 °C (scénario RCP8.5 à l'horizon 2100). Des différences plus marquées apparaissent quant au nombre moyen de journées chaudes. D'après les données actuelles, ce nombre est légèrement inférieur à 30 jours. Auparavant, il était légèrement supérieur à 20 jours en Allemagne.

Cet ensemble de modèles plus complet a également une incidence sur les précipitations totales. Plus le nombre de modèles est élevé, plus l’amplitude de la variabilité des précipitations annuelles est importante. En moyenne, les tendances restent conformes aux niveaux historiques. Cependant, la multiplication des épisodes de fortes pluies et la hausse des températures moyennes favorisent des périodes de sécheresse plus longues.

Données d'observation : 1961-2020

Seules les stations de mesure faisant partie du réseau du DWD depuis 1961 ont été prises en compte pour la mise à jour de l'ensemble des données d'observation. Il s'agit d'environ 220 stations synoptiques et d'environ 1 200 stations pluviométriques. Toutes fournissent des valeurs quotidiennes pour les paramètres météorologiques. En raison de la densité limitée du réseau de stations, les phénomènes à petite échelle et les particularités régionales ne peuvent pas être représentés avec une précision totale. Ce réseau de stations sert également de base à l'élaboration de données de scénario (voir Interpolation).

Ensemble de modèles climatiques : données historiques et projections futures

L'ensemble de modèles climatiques RCP8.5, qui comprend actuellement 17 simulations, a été complété par des périodes de simulation historiques remontant à 1971. La période de simulation totale s'étend ainsi sur 130 ans. L'ensemble correspondant au scénario RCP2.6 est nettement plus restreint, car il dispose d'un nombre plus limité de simulations. Pour la période historique, la version actuelle permet de comparer les évolutions observées dans l’ensemble de modèles et celles issues des observations. De nombreux indicateurs montrent que les simulations sont cohérentes avec les observations. Des phénomènes tels que les sécheresses printanières présentent toutefois des divergences qui révèlent des faiblesses du modèle.

Ensemble de modèles climatiques

Ensemble de modèles climatiques régionaux

Afin de déduire les impacts climatiques régionaux à partir des trajectoires climatiques futures (conformément aux scénarios RCP), il est nécessaire d'affiner les simulations des modèles climatiques globaux (MCG) pour de vastes régions telles que l'Europe. Pour ce faire, on utilise généralement ces simulations comme données d'entrée pour des modèles climatiques régionaux (MCR) à plus haute résolution. Ces modèles sont capables de reproduire de manière plus réaliste les caractéristiques régionales de la répartition des températures et des précipitations, car ils reflètent mieux, entre autres, les effets liés à la topographie et à l'occupation des sols.

Données de simulation exhaustives issues d’[Euro-Cordex] https://cds.climate.copernicus.eu/datasets/projections-cordex-domains-single-levels?tab=download fournit la base et le socle de données (voir tableau) nécessaires à la mise en place de services climatiques pour l'Europe, l'Allemagne et les Länder. La période de simulation couvre les périodes historiques à partir de 1971 et s'étend jusqu'à l'horizon 2100. Chaque combinaison de modèles représente une réalisation possible de l'évolution climatique et météorologique. En règle générale, on considère des tranches temporelles de 30 ans, dont la variabilité et les moyennes sont expliquées par 30 × 17 = 510 valeurs annuelles. L'ensemble de ces valeurs donne lieu à des fourchettes qui tiennent compte à la fois de la variabilité interne et de l’incertitude des modèles.

Il est bien connu qu'il existe des erreurs systématiques entre les modèles et les mesures. Pour la période de comparaison historique, celles-ci peuvent être quantifiées afin d'ajuster (aligner) les valeurs issues de la simulation. Les tendances existantes dans les données sont conservées au cours de ce processus. Il existe des méthodes établies à cet effet dans la recherche sur les impacts climatiques (Lange, 2019). En effet, l’ampleur de ce que l’on appelle le « biais du modèle » n’est pas le seul critère permettant d’évaluer les simulations des modèles climatiques.

Des données quotidiennes sur une grille uniforme sont nécessaires pour aligner les valeurs du modèle sur celles des observations. Celles-ci sont définies par l’ensemble de données d’observation généré. Pour transposer les valeurs du modèle sur la grille d’observation, les données du modèle sont d’abord transférées vers le réseau de stations. Pour ce faire, les valeurs du point de grille le plus proche sont attribuées aux coordonnées des stations. L'interpolation est ensuite effectuée de la même manière que pour l'ensemble de données de base. Cette étape garantit que les données de simulation et les données d'observation ont la même répartition spatiale. De cette manière, les évolutions climatiques peuvent être représentées de manière homogène sous forme de cartes et de graphiques.

Les deux ensembles de modèles climatiques RCP2.6 et RCP8.5 couvrent l'éventail des scénarios possibles dans lesquels pourrait évoluer le climat futur en Allemagne. Les divergences existantes entre les évolutions observées et simulées ne peuvent être résolues à ce stade, car il s'agit d'un processus continu d'approfondissement des connaissances scientifiques. Les phénomènes à l'origine de sécheresses prolongées font donc l'objet de recherches actuelles qui concernent l'ensemble des secteurs de la recherche sur les impacts climatiques.

Tableau:Matrice de simulation des combinaisons sous-jacentes de simulations de modèles globaux régionalisés (GCM) par modèles régionaux (RCM) : RCP8.5 – 17 modèles, RCP2.6 – 7 modèles. Aucune simulation EuroCordex n’est disponible pour les scénarios RCP correspondant aux champs vides. Entre parenthèses : membre de l’ensemble (réalisation) d’EC-EARTH utilisé.

Pour en savoir plus :Lange, S. : Ajustement des biais préservant la tendance et réduction d'échelle statistique avec ISIMIP3BASD (v1.0), Geosci. Model Dev., 12, 3055–3070, https://doi.org/10.5194/gmd-12-3055-2019, 2019.

Bande passante

L’ensemble de modèles climatiques régionaux sous-jacents comprend sept simulations pour le scénario RCP 2.6 et 17 simulations pour le scénario RCP 8.5.

Pour estimer les intervalles de variation, l'incertitude du modèle et la variabilité interne (interannuelle) ont été combinées et triées. La valeur en dessous de laquelle se situent respectivement 10 % et 90 % des valeurs a été utilisée pour la représentation chronologique. Seules les valeurs moyennes sont affichées sur la carte. Pour une période de 30 ans et un ensemble de 17 simulations, cela représente un ensemble de 17 x 30 = 510 valeurs annuelles disponibles pour les indicateurs climatiques respectifs.

Note:Durant la période d'observation, l'étendue des valeurs résulte exclusivement de la variabilité interne de 30 valeurs annuelles. Dans ce contexte, l'incertitude du modèle et la variabilité interne ont été combinées pour estimer l'étendue des valeurs dans les données du scénario.

Interpolation

Pour afficher les indicateurs climatiques issus des données climatiques journalières, une méthode a été utilisée pour interpoler les informations disponibles aux emplacements des stations de mesure sur une grille. Leur résolution spatiale est d'environ 4 x 4 km, pour laquelle les valeurs d'altitude proviennent également d'un modèle numérique de terrain. Cette méthode tient notamment compte des gradients de valeurs existants à différentes altitudes au sein du réseau de stations. Avant l'interpolation proprement dite, les effets d'altitude sont éliminés. La valeur recherchée au point de grille correspondant est ensuite déterminée par une somme pondérée des données des stations situées dans un rayon d'influence spécifié (stations voisines), la somme étant ensuite divisée par le nombre de stations. L'effet d'altitude est alors appliqué à la grille cible en fonction des valeurs d'altitude.

Rayonnement global (rsds) :Une méthode différente est utilisée pour le rayonnement global. Un test où chaque station était omise tour à tour et les valeurs prédites à partir des autres a montré que la correction d'altitude dégrade les résultats. Les valeurs sont donc interpolées sans gradient d'altitude, à l'aide de fonctions de base radiales de la distance en kilomètres, complétées par une constante et un terme linéaire. Ceci réduit l'erreur moyenne aux stations d'environ 20 à environ 16,5 W/m²; valeurs en dehors de 0–400 W/m²sont plafonnées. Le rayonnement global observé est lui-même calculé à partir de la durée d'ensoleillement aux stations (voir l'explication de la variable).

Pour en savoir plus :
Cressie N., 1993, Statistiques pour les données spatiales, Collection Wiley en probabilités et statistiques
https://app.readthedocs.org/projects/pykrige/downloads/pdf/latest/

Données d'observation

Les observations historiques sur l'évolution du climat, telles que présentées dans la section Climat, sont basées sur des données de stations qui font partie du réseau de mesures du DWD depuis 1961.
Ils fournissent des valeurs quotidiennes pour les paramètres météorologiques à environ 220 stations synoptiques et environ 1 200 stations de mesure des précipitations.
Cet ensemble de données stationnaires sert de base à l'homogénéisation et à l'interpolation spatiale sur une grille haute résolution, en tenant compte des conditions topographiques. Les valeurs des stations voisines sont prises en compte lors de l'homogénéisation et de l'interpolation. Les indicateurs climatiques dérivés sont calculés à partir des données journalières interpolées. La présence d'artefacts ne peut être exclue dans certains cas.

Sélection de scénarios

Le portail KlimafolgenOnline présente deux des quatre principaux scénarios de concentration représentatifs (RCP2.6, RCP4.5, RCP6.0 et RCP8.5). Ces scénarios ont été élaborés par la communauté scientifique pour le cinquième rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC).

Les scénarios RCP 2.6 et 8.5 utilisés sur le portail prennent en compte différents niveaux de forçage radiatif induit par les gaz à effet de serre pour la période 2021-2100. Le facteur déterminant des différences respectives d'augmentation de température dans les scénarios est l'intensité des futures mesures de protection du climat de 2021 à 2100, qui influencent le forçage radiatif et les concentrations de gaz à effet de serre.

LeScénario RCP 2.6Ce document présente un scénario possible qui devrait respecter la limite mondiale de deux degrés. Cela exige des mesures fortes de protection du climat. La limite de deux degrés est un objectif politique, car les scientifiques estiment que les effets du changement climatique resteraient gérables si le réchauffement demeurait inférieur à cette température. Des informations plus détaillées sont disponibles dans le rapport de synthèse allemand du cinquième rapport d'évaluation du GIEC. Ce document est disponible au format PDF dans le menu « Connaissances sur le climat ». Lors de la Conférence des Nations Unies sur les changements climatiques à Paris en décembre 2015, 195 pays ont adopté un nouvel accord pour lutter contre le réchauffement climatique. Conformément à cet accord, le réchauffement climatique doit être limité à un niveau « nettement inférieur à deux degrés » par rapport aux niveaux préindustriels.

LeScénario RCP 8.5Il s'agit du scénario le plus pessimiste. Il décrit une évolution climatique possible caractérisée par une augmentation continue des émissions de gaz à effet de serre et l'absence de mesures supplémentaires de protection du climat. D'après les simulations des modèles climatiques mondiaux actuellement disponibles, ce scénario entraîne une hausse de la température moyenne mondiale comprise entre 3,6 °C et 4,1 °C d'ici 2100 par rapport aux niveaux préindustriels.

En Allemagne, l’augmentation moyenne de la température d’ici 2100 par rapport aux niveaux préindustriels sera de l’ordre de +2°C (RCP2.6) et +5°C (RCP8.5).

Rendements agricoles en Allemagne : le modèle statistique ABSOLUT

Comment fonctionne ce modèle et comment il est utilisé en Allemagne

Les rendements deblé d'hiveretmaïs ensilagesont calculés avec ABSOLUT v1.2 (Conradt 2022), un modèle statistique développé au PIK. ABSOLUT ne simule pas la croissance des plantes. Pour chaque district, il détermine, à partir d'observations, comment le rendement annuel a dépendu des conditions météorologiques de cette année-là. Pour ce faire, il utilise des régressions linéaires multiples sur les valeurs mensuelles detempérature, précipitations et rayonnement solairePour chaque district, le modèle sélectionne jusqu'à quatre combinaisons de périodes mensuelles et de variables expliquant au mieux les rendements observés. Les modèles ont été ajustés aux statistiques de rendement du district pour la période 1991-2021 (Duden et al., 2024).

Par exemple, dans le district d'Augsbourg, le rendement du blé d'hiver dépend principalement des températures de mai et juin ; chaque degré supplémentaire le diminue d'environ 3 t/ha. Le modèle prend également en compte les températures de janvier et février, ainsi que le rayonnement solaire de mai et juin et de novembre à janvier. Pour le maïs ensilage, ce sont surtout les températures de juin à août (environ -21 t/ha par degré) et les précipitations de juillet et août (environ +1,5 t/ha par tranche de 10 mm supplémentaires par mois) qui importent.

Pour les projections, les régressions sont basées sur les simulations climatiques du portail (EURO-CORDEX : 17 simulations pour le scénario RCP8.5, 7 pour le scénario RCP2.6). Le rendement d’une année future correspond au rendement moyen observé entre 1991 et 2020 dans ce district, plus…effet climatiqueLes conditions météorologiques de cette année sont comparées à celles de la période 1991-2020 dans la même simulation. Ceci permet de maintenir le niveau des rendements observés : entre 1991 et 2020, les moyennes modélisées par district s’écartent des moyennes observées d’au maximum 1 %.

Limites du modèle

• La technologie et la gestion restent inchangées.La tendance à la hausse observée par le passé (variétés, engrais, pratiques culturales) ne se poursuit pas. Les résultats ne reflètent que l'effet du climat.
• Aucun effet du CO₂.Des concentrations plus élevées de CO₂ peuvent augmenter les rendements, principalement du blé ; ceci n'est pas inclus.
• Les années de sécheresse sont sous-estimées.Pour 2018, le modèle prévoit une baisse de 7 % pour le blé d'hiver en Allemagne (contre 10 % observés) et de 21 % pour le maïs ensilage (contre 26 % observés). Les pertes projetées constituent donc une estimation plutôt basse.
• Au-delà de l'expérience.Après 2050 environ, le climat simulé s'éloigne de plus en plus de la plage de valeurs sur laquelle les modèles ont été ajustés. L'effet du climat est donc limité à ±50 % du rendement moyen.

Quels districts sont affichés

Un district n'est présenté que si son modèle a réussi un test indépendant. Le modèle devait prédire l'évolution du rendement d'une année à l'autre pour des années non observées lors de sa construction, et ce, avec une précision au moins égale à celle obtenue en supposant une variation moyenne constante chaque année (efficacité de Nash-Sutcliffe ≥ 0). Ceci s'applique à270 des 353 districts pour le blé d'hiveret301 sur 331 pour le maïs ensilageUn Land est indiqué si ces districts représentent au moins la moitié de sa superficie. Ce n'est pas le cas pour le blé d'hiver en Rhénanie-du-Nord-Westphalie et en Sarre, ni pour le maïs fourrager en Rhénanie-Palatinat. Les villes-États sans statistiques de rendement sont laissées en blanc.

Résultats pour l'Allemagne

Moyenne des districts indiqués ; le pourcentage représente la variation de la médiane de l’ensemble par rapport à la période 1991-2020 ; entre parenthèses, la dispersion de l’ensemble du modèle (du 10e au 90e percentile).

Avec une protection climatique renforcée (RCP2.6), les rendements des deux cultures restent quasiment inchangés. Avec des émissions élevées (RCP8.5), ils diminuent lentement jusqu'au milieu du siècle, puis de façon marquée, d'environ un dixième à la fin du siècle. Le maïs ensilage perd un peu plus que le blé d'hiver ; une explication plausible est que le maïs pousse tout au long de l'été, tandis que le blé est récolté en juillet (un facteur non pris en compte dans les modèles). La dispersion entre les simulations est du même ordre de grandeur que la variation elle-même, ce qui explique les écarts considérables possibles entre les années et les régions.

Référence

Conradt, T. (2022) : Choix de régressions linéaires multiples pour la prédiction du rendement des cultures basée sur les conditions météorologiques avec ABSOLUT v1.2 appliqué aux districts d'Allemagne.Journal international de biométéorologie66, 2287–2300.est ce que je:10.1007/s00484-022-02356-5

Duden, C., Nacke, C., Offermann, F. (2024) : Données allemandes sur le rendement et la superficie de 11 cultures de 1979 à 2021 à une résolution spatiale harmonisée de 397 districts.Données scientifiques11, 95.est ce que je:10.1038/s41597-024-02951-8(ensemble de données :doi:10.3220/DATA20231117103252-0)