Le bilan climatique instrumental est le patrimoine culturel de l'humanité, le résultat du travail assidu de nombreuses générations de personnes partout dans le monde. Cependant, les changements dans la façon dont la température est mesurée, ainsi que l'environnement dans lequel se trouvent les stations météorologiques peuvent produire des tendances fausses. Une étude internationale menée par des chercheurs de l'Universitat Rovira i Virgili (URV), l'Agence nationale de météorologie et l'Université de Bonn (Allemagne) ont réussi à identifier les méthodes les plus fiables permettant de corriger ces tendances. Ces « méthodes d'homogénéisation » sont une étape clé pour convertir l'énorme effort fourni par les observateurs en données fiables sur le changement climatique. Les résultats de cette recherche, financé par le ministère espagnol de l'Économie et de la Compétitivité, ont été publiés dans le Journal du climat de la Société météorologique américaine.

Les observations climatiques remontent souvent à plus d'un siècle, avant même qu'il y ait des voitures et de l'électricité. Ces longues périodes de temps signifient qu'il est pratiquement impossible de maintenir les mêmes conditions de mesure au fil des ans. Le problème le plus courant est la croissance des villes autour des stations météorologiques urbaines. Nous savons que les villes se réchauffent de plus en plus en raison des propriétés thermiques des surfaces urbaines et de la réduction des surfaces d'évapotranspiration. Pour vérifier cela, il suffit de comparer les stations urbaines avec les stations rurales voisines. Bien que moins connu, des problèmes similaires sont causés par l'expansion des cultures irriguées autour des observatoires.

L'autre raison la plus courante des biais dans les données observées est que les stations météorologiques ont été déplacées, entre autres raisons, en raison des changements dans les réseaux d'observation. « Un changement organisationnel typique consistait en des stations météorologiques, qui était autrefois dans les villes, transférés vers des aéroports nouvellement construits qui nécessitaient des observations et des prévisions, " explique Victor Venema, un climatologue de Bonn et l'un des auteurs de l'étude. "La station météo de Bonn se trouvait dans un champ du village de Poppelsdorf, qui fait maintenant partie de la ville et, après avoir été déplacé plusieurs fois, il est maintenant à l'aéroport de Cologne-Bonn, " il dit.

En ce qui concerne l'estimation robuste des tendances mondiales, les changements les plus importants sont technologiques, qui se font simultanément dans un réseau d'observation. « Nous sommes actuellement en pleine période d'automatisation généralisée des réseaux d'observation, " dit Venema.

Les programmes informatiques qui peuvent être utilisés pour l'homogénéisation automatique des données de séries chronologiques climatiques sont le résultat de plusieurs années de développement. Ils fonctionnent en comparant des stations proches les unes des autres et en recherchant des changements qui n'ont lieu que dans l'une d'entre elles, contrairement aux changements climatiques, qui les affectent tous.

Pour examiner ces méthodes d'homogénéisation, l'équipe de recherche a généré une banque de tests dans laquelle ils ont incorporé un ensemble de données simulées qui imitaient de manière fiable les ensembles de données climatiques observées, y compris les biais mentionnés. D'où, les changements parasites sont connus et ils peuvent être étudiés pour déterminer comment les différentes méthodes d'homogénéisation peuvent les corriger.

Les jeux de données de test générés étaient plus diversifiés que ceux des études précédentes, de même que les vrais réseaux de stations, en raison des différences dans la façon dont ils ont été utilisés. Les chercheurs ont reproduit des réseaux avec des densités de stations très variées car dans un réseau dense, il est plus facile d'identifier un petit changement parasite dans une station. L'ensemble de données de test utilisé dans ce projet était beaucoup plus important que dans les études précédentes (un total de 1, 900 stations météorologiques ont été analysées), qui a permis aux scientifiques de déterminer avec précision les différences entre les principales méthodes d'homogénéisation automatique développées par des groupes de recherche en Europe et en Amérique. En raison de la grande taille de l'ensemble de données de test, seules les méthodes d'homogénéisation automatisées ont pu être testées.

Le groupe de recherche a découvert qu'il est beaucoup plus difficile d'améliorer le signal climatique moyen estimé pour un réseau d'observation que d'améliorer la précision de la série chronologique de chaque station.

Dans le classement obtenu, les méthodes d'homogénéisation proposées par URV et AEMET étaient meilleures que les autres. La méthode développée au Centre C3 pour le changement climatique de l'URV (Vila-seca, Tarragona) par le climatologue hongrois Peter Domonkos s'est avéré être le meilleur pour homogénéiser à la fois les séries des stations individuelles et les séries moyennes du réseau régional. La méthode AEMET, développé par le chercheur José A. Guijarro, était très proche derrière.

La méthode d'homogénéisation développée par la National Oceanic and Atmospheric Administration des États-Unis (NOAA) était la meilleure pour détecter et minimiser les erreurs systématiques dans les tendances de nombreuses stations météorologiques, surtout lorsque ces biais étaient produits simultanément et affectaient de nombreuses stations à des dates similaires. This method was designed to homogenize data sets from stations the world over where the main concern is the reliable estimation of global trends.

The results of this study have demonstrated the value of large test data sets. "It is another reason why automatic homogenisation methods are important:they can be tested more easily and this helps in their development, " explains Peter Domonkos, who started his career as a meteorological observer and is now writing a book on the homogenisation of climate time series.

"The study shows the importance of very dense station networks in making homogenisation methods more robust and efficient and, donc, in calculating observed trends more accurately, " says the researcher Manola Brunet, director of the URV's C3, visiting member of the Climate Research Unit of the University of East Anglia, Norwich, Royaume-Uni, and vice-president of the World Meteorological Organisation's Commission for Weather, Climat, Water and Related Environmental Services &Applications.

"Malheureusement, much more climate data still has to be digitalised for even better homogenisation and quality control, " conclut-elle.

Pour sa part, the researcher Javier Sigró, also from the C3, points out that homogenisation is often just the first step "that allows us to go to the archives and check what happened with those observations affected by spurious changes. Improving the methods of homogenisation means that we can do this much more efficiently."

"The results of the project can help users to choose the method most suited to their needs and developers to improve their software because its strong and weak points are revealed. This will enable more improvement in the future, " says José A. Guijarro from the State Meteorology Agency of the Balearic Islands and co-author of the study.

Previous studies of a similar kind have shown that the homogenisation methods that were designed to detect multiple biases simultaneously were clearly better than those that identify artificial spurious changes one by one. "Curiously, our study did not confirm this. It may be more an issue of using methods that have been accurately fitted and tested, " says Victor Venema from the University of Bonn.

The experts are sure that the accuracy of the homogenisation methods will improve even more. "Néanmoins, we must not forget that climate observations that are spatially more dense and of high quality are the cornerstone of what we know about climate variability, " concludes Peter Domonkos.