Lors de la modélisation du cycle océan-climat El Niño-oscillation australe (ENSO), l'ajout de données satellites sur la salinité de la surface de la mer (ou salinité) améliore considérablement la précision du modèle, selon une nouvelle étude de la NASA.

ENSO est un cycle irrégulier d'événements climatiques chauds et froids appelés El Niño et La Niña. Les années normales, de forts alizés d'est soufflent des Amériques vers l'Asie du Sud-Est, mais dans une année El Niño, ces vents sont réduits et parfois même inversés. L'eau chaude qui s'est « accumulée » dans le Pacifique occidental revient vers les Amériques, la modification de la pression atmosphérique et de l'humidité pour produire des sécheresses en Asie et des tempêtes et des inondations plus fréquentes dans les Amériques. Le motif inverse s'appelle La Niña, dans lequel l'océan dans le Pacifique oriental est plus froid que la normale.

L'équipe a utilisé le système de prévision couplé océan/atmosphère du Global Modeling and Assimilation Office (GMAO) de la NASA (S2S) (GEOS-S2S-2) pour modéliser trois événements ENSO passés :le fort El Niño de 2015, le La Niña 2017 et le faible El Niño 2018.

Tirant de la mission Soil Moisture Active Passive (SMAP) de la NASA, la dernière mission Aquarius de la NASA-CONAE (Agence spatiale argentine) et la mission Soil Moisture Ocean Salinity (SMOS) de l'Agence spatiale européenne, ils ont comparé la précision du modèle de prévision pour chacun des trois événements avec et sans assimilation des données SSS dans l'initialisation des modèles. En d'autres termes :les conditions initiales d'un modèle incluaient des données SSS, et l'autre non.

L'ajout de l'assimilation des données SSS au modèle GEOS l'a aidé à décrire plus précisément la profondeur et la densité de la couche supérieure de l'océan, ce qui a conduit à de meilleures représentations de la circulation à grande échelle en réponse à ENSO. Par conséquent, les prédictions des modèles pour les trois études de cas reflétaient plus fidèlement les observations réelles, par rapport à ce que les modèles de prévision prédisaient à l'époque.

« Dans nos trois études de cas, nous avons examiné différentes phases d'ENSO, " a déclaré Eric Hackert, chercheur au Goddard Space Flight Center de la NASA à Greenbelt, Maryland et l'auteur principal de l'étude. "Pour le grand El Niño en 2015, l'assimilation des données de salinité a amorti le signal - notre modèle original surestimait l'amplitude de l'événement. Pour les deux autres événements ENSO, les prévisions prédisaient à l'origine le mauvais signe :par exemple, en 2017, le modèle sans données de salinité prévoyait un El Niño, tandis que le vrai océan a produit un La Niña. Cependant, pour chaque cas que nous avons examiné, l'ajout de la salinité satellitaire à l'initialisation a amélioré les prévisions."

L'étude est l'une des premières à intégrer des données SSS dans l'initialisation des prévisions pour un modèle couplé global d'interactions entre l'océan, atmosphère, terre, aérosols et glace de mer. GEOS et d'autres modèles utilisés pour aider à prédire les événements ENSO n'incluent généralement pas le SSS. Cependant, la salinité de la surface des océans joue un rôle important dans les courants océaniques, évaporation et interaction avec l'atmosphère, et le transfert de chaleur des tropiques vers les pôles. Plus froid, l'eau plus salée est plus dense et plus lourde que plus chaude, eau plus douce, et les changements de température et de précipitation à grande échelle des événements ENSO modifient la circulation océanique et les interactions entre l'eau et l'atmosphère.

Les deux phases du cycle ENSO affectent les écosystèmes, économies, Santé humaine, et le risque d'incendie de forêt, ce qui rend les prévisions ENSO vitales pour de nombreuses personnes dans le monde, dit Hackert.

"Par exemple, les prévisions et les observations ont donné une forte indication qu'il y aurait un grand El Niño en 1997, qui conduirait à la sécheresse dans le nord-est du Brésil, " a-t-il dit. " Cela a permis au gouvernement du Brésil de publier une déclaration aux agriculteurs de subsistance, en les encourageant à planter du maïs résistant à la sécheresse au lieu de variétés à haut rendement. Dans ce cas, de bonnes prévisions ENSO ainsi que l'action du gouvernement ont peut-être sauvé de nombreuses vies. Ce n'est qu'un exemple des nombreux avantages socio-économiques de l'extension des prédictions El Niño utiles."

L'inclusion des données SSS par satellite rend également les modèles utiles pour des périodes plus longues - les prévisions ENSO précises sans données de salinité ne s'étendent que sur 4 mois, tandis que ceux avec des données SSS couvrent 7 mois, dit Hackert.

"Plutôt que d'avoir une saison de confiance dans vos prévisions, tu as deux saisons, " Hackert a dit. " Si votre saison de croissance est de six mois sur toute la ligne, une prévision de qualité plus longue vous permet de mieux comprendre si vous devez planter des variétés à haut rendement ou résistantes à la sécheresse. Un autre exemple serait que vous avez beaucoup de temps pour réparer votre toit si vous habitez dans le sud de la Californie (puisqu'El Niño apporte généralement des conditions de pluie dans le sud des États-Unis)."

Avoir accès à un enregistrement continu des données SSS satellitaires est essentiel pour faire des prévisions précises et fiables, dit Hackert.

« Dans les systèmes de prévision actuels, les observations satellitaires et océaniques sont combinées de manière optimale à l'aide de modèles et de techniques d'assimilation de données pour aider à définir l'état de l'océan, ", a-t-il déclaré. " Cette étude montre que l'ajout du satellite SSS à la suite d'observations actuelles aide à caractériser l'état de l'océan près de la surface, conduisant à de meilleures prévisions saisonnières. Nous recommandons que d'autres systèmes de modèles de prévision dans le monde adoptent le SSS dans leurs systèmes."