3.Le climat passé et présent en Provence-Alpes-Côte d'Azur

Avant d’anticiper le climat futur de la région Provence-Alpes-Côte d’Azur, il est important de rappeler quels sont ses climats passé et présent qui sont indissociables des bouleversements du système atmosphérique global. Le changement climatique actuel n’est pas la première fluctuation que connaît la région PACA dans son histoire, puisque le climat a continuellement évolué sur Terre. Les techniques de reconstitution du climat passé, l’instrumentation, les techniques de spatialisation et la modélisation ont grandement contribué à une meilleure connaissance du climat à toutes les échelles spatio-temporelles.

Il existe en région Provence-Alpes-Côte d’Azur un très beau témoin de la variation du climat passé. Il s’agit de la grotte Cosquer, du nom de son découvreur (voir photo ci-dessus). Cette grotte se trouve à proximité de la calanque de Morgiou, au sud de Marseille. Sa valeur exceptionnelle réside dans l’ornementation de ses parois, recouvertes de peintures pariétales préhistoriques, datées d’environ 27 000 ans BP (Before Present) pour les « mains négatives » et de 19 000 ans BP pour le « bestiaire » (représentations d’animaux). Ces illustrations témoignent de la présence humaine dans cette grotte en ces temps reculés, autour de la dernière période glaciaire. Aujourd’hui, la grotte est inaccessible à pied, car son unique entrée est immergée à 37 mètres de profondeur. L’accès était possible à la dernière période glaciaire puisque le niveau marin était environ 120 mètres plus bas qu’aujourd’hui, découvrant falaises et plaines aujourd’hui submergées.

Nous savons aujourd’hui que le climat à l’échelle de la planète, appelé « climat global », lors de la dernière période glaciaire (environ 20 000 ans BP), était caractérisé par des températures moyennes globales de 4 à 5°C plus froides, des calottes polaires massives sur le nord de l’Europe et du Canada, une végétation adaptée aux conditions environnementales de l’époque… Le sud de la France abritait une végétation steppique parsemée d’îlots forestiers de pins, genévriers, bouleaux, avec des températures moyennes annuelles de 10 à 12°C plus basses que maintenant. Les paysages devaient ressembler aux pelouses alpines actuelles de haute montagne.

A partir des années 1250, des éruptions volcaniques (dont celle du Salamas en Indonésie en 1257) sont vraisemblablement responsables de l’entrée dans le petit âge glaciaire (PAG), période froide et humide qui s’est prolongée jusqu’à la fin du 19e siècle, avec une accentuation liée à une baisse de l’activité solaire entre 1645 et 1715 (minimum de Maunder). Ce PAG est très probablement à l’origine de la grande famine qui a sévi de 1315 à 1317, de la propagation de la peste noire et de l’effondrement de la population. Il a aussi accentué l’effet de la Guerre de 30 ans (1618-1648). Les révolutions ont principalement des raisons sociopolitiques, mais le climat a souvent pu jouer un rôle déclencheur (par exemple, les mauvaises récoltes de 1787 à 1789 causées par un climat défavorable) ou amplificateur.

Si on compare les projections climatiques (Figure 4) basées sur le scénario socio-économique (Cf. partie 3.1) le moins émetteur en gaz à effet de serre (RCP 2.6) et le scénario le plus émetteur (RCP 8.5), on constate que l’évolution future des températures estivales dépassera largement ce que les hommes ont connu depuis 10 000 ans. Les projections concernant les précipitations sont plus incertaines, mais la question de la ressource en eau est bien plus complexe que le simple cumul de précipitations et tient compte notamment de la fréquence des précipitations et de leur intensité, mais aussi des ressources distantes : par exemple, les précipitations neigeuses dans les Alpes pour alimenter les fleuves et rivières qui drainent la région PACA.

Une perspective historique des températures (°C) et précipitations (mm) dans la zone couvrant la région PACA depuis 10 000 ans est donnée dans la Figure 4, le zéro étant la moyenne de la période 1961-1990 (normale de 30 ans) et les surfaces colorées représentant les incertitudes (dispersion autour de la moyenne).

Les observations CRU sont les interpolations sur une grille de 5° de longitude et 2,5° de latitude du Climate Research Unit à East Anglia, à partir de laquelle la sous-grille englobant la région PACA a été extraite.

La première ligne de graphiques indique les anomalies des températures moyennes de la période d’avril à septembre :

• les courbes noires/grises sont reconstruites à partir de données polliniques par intervalle de 100 ans, allant de 10 000 à 2000 ans BP ;
• les courbes bleues sont reconstruites à partir d’une compilation de données issues de cernes d’arbres (dendrochronologie), de données polliniques et de données historiques (AD signifie Anno Domini : années après Jésus-Christ) ;
• la courbe magenta représente les observations du Climate Research Unit ; la courbe verte représente le scénario socioéconomique RCP 2.6 et la courbe rouge, le scénario RCP 8.5.

La seconde ligne du graphique indique soit l’écart aux précipitations annuelles (en pourcentage des valeurs de référence), soit les indices estivaux de sécheresse (PDSI pour Palmer Drought Severity Index), les valeurs négatives indiquant des conditions plus sèches que la normale :

• les courbes noires/grises représentent les précipitations reconstruites à partir de données polliniques par intervalle de 100 ans, allant de 10 000 ans BP à 0 ;
• les courbes bleues représentent le PDSI estival reconstruit à partir de données de cernes d’arbres (dendrochronologie) ;
• la courbe magenta représente les précipitations annuelles observées par Climate Research Unit ; la courbe verte, le scénario RCP 2.6 et la courbe rouge, le scénario RCP 8.5.

La Figure 5 montre que le petit âge glaciaire a connu au moins un mois d’embâcle et des hauteurs d’eau nettement supérieures à la normale. Ceci signifie que le PAG était à la fois froid et pluvieux. Le maximum du PAG se situe entre 1650 et 1900, ce qui est confirmé par un indice PDSI supérieur à zéro mettant en évidence des conditions humides (Figure 4).

Le climat passé a donc connu des fluctuations importantes dues à des variations naturelles. Le climat terrestre n’est donc pas une composante figée, mais il oscille en permanence.

Avec l’émergence des instruments de mesures en météorologie dès la fin du 19e siècle, la connaissance du climat s’est considérablement enrichie. Aujourd’hui, de longues séries de données sont disponibles pour étudier localement l’évolution des variables climatiques. Le développement des techniques de spatialisation et de modélisation en 2D ou 3D ont permis de décrire les processus complexes qui conditionnent le climat à l’échelle locale et régionale.

Quand on parle de changement climatique, la première question est de savoir si on observe actuellement ses effets. Le dernier rapport du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC, WG1, 2013), rassemblant les compilations mondiales des observations depuis le début du 20e siècle, fait un constat clair. Le réchauffement du système climatique est sans équivoque. Depuis les années 1950, les changements observés sont sans précédent depuis des siècles, voire des millénaires. L’atmosphère et l’océan se sont réchauffés, la quantité de neige et de glace a diminué, le niveau des mers s’est élevé, les concentrations de gaz à effet de serre ont augmenté… Chacune des trois dernières décennies a été successivement plus chaude à la surface de la Terre que toutes les décennies antérieures depuis 1850. La période de 1983 à 2012 (30 ans) constitue probablement la période la plus chaude dans l’hémisphère Nord depuis 1400 ans. Depuis cette publication, les années 2014 et 2015 ont battu tous les records. En effet, d’après la National Oceanic and Atmospheric Administration (NOAA), 2015 a été de loin l’année la plus chaude à l’échelle du globe depuis le début des relevés en 1880. Sur l’année, la température moyenne globale — terres et océans compris — a dépassé de 0,9°C la moyenne de référence de 13,9°C calculée sur le 20e siècle. Cette anomalie est supérieure de 0,16°C à celle constatée en 2014, qui était jusqu’ici l’année la plus chaude jamais enregistrée.

La Figure 7 présente la tendance des températures moyennes de surface entre 1901 et 2012 sur le globe. La carte montre que le réchauffement n’est pas uniforme. Il est très sensible sur certaines zones continentales, comme la Russie, la Chine du Nord, le Canada ou encore le Brésil, et au contraire moindre sur les océans. Dans l’Atlantique Nord, au sud du Groenland, une baisse de la température est même constatée. En France, la hausse de la température se situe au niveau de l’augmentation moyenne constatée sur les continents de l’hémisphère Nord.

Comme pour les températures de l’air, de forts écarts sont constatés selon les saisons. La baisse est plus importante et significative en hiver et en été, mais le signal est beaucoup plus faible au printemps et surtout à l’automne. En hiver et pour la majeure partie du Var et de l’ouest des Alpes-Maritimes, la diminution des pluies est à la fois plus importante (en pourcentage) et plus significative statistiquement que pour l’année entière (Figure 12). A contrario, en automne, le signal vers une diminution ou une augmentation n’est pas univoque et aucune des tendances calculées n’est robuste au sens statistique.

La température de l’air est une variable physique qui se répartit de manière non homogène dans l’espace et parfois des modifications de plusieurs degrés sont constatées sur de très courtes distances (quelques mètres). De multiples facteurs influencent localement l’évolution des températures comme, entre autres, la couleur de la surface du sol, la nature des matériaux, la présence de végétation ou encore l’exposition au rayonnement solaire. Ainsi, la température donnée par la « météo » à la télévision ou sur internet pour une ville ne reflète absolument pas les disparités spatiales locales. Il s’agit uniquement de la température mesurée ou attendue dans la station météorologique la plus proche de la ville en question, et donc d’une donnée ponctuelle dans l’espace. Cette notion de variabilité spatiale des températures aux échelles régionales et locales à travers la mesure, la cartographie et la modélisation (géostatistique et déterministe) est importante à comprendre.

La meilleure manière de vérifier les variations de températures dans l’espace est de se déplacer avec un thermomètre et d’enregistrer les localisations successives ainsi que les valeurs de températures correspondantes. Ces mesures, qualifiées d’itinérantes, ont été, par exemple, réalisées au cours de 54 journées de mai à septembre 2015 à Nice sur le même parcours de 50 km en milieu d’après-midi (Figure 15). Elles ont permis de constater des variations moyennes de plus de 2 à 3°C en fonction du lieu de mesure. La proximité de la mer, de la végétation, mais aussi du bâti influence fortement la température. L’espace le plus urbanisé ressort légèrement plus chaud que le reste du parcours : ce phénomène est appelé « îlot de chaleur urbain (ICU) » (Zoom 5) et il s’observe très fréquemment à travers le monde dans de très nombreuses villes.

Les températures sont plus élevées en milieu urbanisé car, pendant la journée, les concentrations denses de bâtiments et de matériaux, comme l’asphalte, absorbent plus de chaleur et la libèrent plus lentement la nuit que la couverture naturelle du sol, telle que la végétation.

En complément de la mesure, la géostatistique permet, à l’aide de méthodes rigoureuses, de calculer les températures sur un territoire donné en prenant en compte ses spécificités. A partir de données ponctuelles (mesures) ou surfaciques à basse résolution spatiale (modélisation), et de variables géographiques (altitude, distance à la mer, rugosité topographique…), la régression environnementale offre la possibilité d’étendre l’information à l’ensemble d’un département ou d’une région à une résolution spatiale suffisamment fine pour apprécier la différenciation des températures sur de courtes distances. Cette étape de spatialisation se nourrit soit de l’observation directe du climat réalisée par un réseau de stations météorologiques, soit de résultats de simulations climatiques calculés par des logiciels informatiques modélisant le système climatique terrestre.

Pour illustrer ces propos, trois exemples de spatialisation des normales de températures maximales de juillet et des normales de températures minimales de janvier, pour les périodes 1961-1990 ou 1988-2013, sont présentés (Figure 17, Figure 18, Figure 19). Le premier exemple s’appuie sur l’observation du climat dans les Alpes-Maritimes et les deux suivants sur sa modélisation déterministe à diverses résolutions spatiales.

Le réseau météorologique de stations de Météo-France des Alpes-Maritimes enregistre quotidiennement les températures de l’air. Ces données sont ensuite vérifiées et agglomérées pour aboutir à des moyennes mensuelles établies sur 20 ou 30 ans. On parle alors de normales climatiques. La représentation cartographique de ces valeurs ponctuelles sur la période 1988-2013 n’est pas très informative (Figure 17) puisque chaque mesure locale représente un point et non un espace ou une surface. Cependant, chaque station météorologique est caractérisable par un ensemble de propriétés géographiques et environnementales permettant d’établir une équation de régression multiple liant les normales de températures relevées aux différents critères « physiques ». L’équation, une fois validée, est alors étendue à l’ensemble des « vides spatiaux » pour produire une cartographie à 25 m de résolution spatiale.

La logique suivie pour l’amélioration de la résolution spatiale des sorties de modèles climatiques est la même. Comme pour une station météorologique, il est possible de déterminer, pour chaque maille ou pixel de 50 km de côté du modèle ARPEGE-Climat, une moyenne pour chacune des propriétés géographiques et environnementales. Puis une équation de régression multiple établit le lien entre la température modélisée et les critères physiques de chaque pixel. Ces équations statistiques sont alors appliquées à une grille de 1 km de résolution spatiale. Ainsi, à partir d’une température moyenne recouvrant 2500 km² (pixels de 50 x 50 km), ce sont 2500 nouvelles températures (Figure 18) qui ont été calculées (nouveaux pixels de 1 x 1 km).

A l’échelle départementale, l’amélioration de la résolution spatiale des modèles climatiques est encore plus poussée avec un saut de 12 km à 90 m, ce qui signifie que près de 17 800 nouvelles températures ont été simulées à partir d’une unique valeur disponible sur les pixels initiaux de 144 km² du modèle ALADIN-Climat (Figure 19).

Enfin, en plus de la cartographie dite « géostatistique » présentée précédemment, il existe également des modèles météorologiques ou climatiques régionaux « déterministes » ou « mécanistes » qui ont été développés pour simuler à fine échelle spatiale les phénomènes à méso-échelle, comme les écoulements locaux, la convection, l’effet topographique ou les ondes de gravité. Ces phénomènes se produisent sur des étendues inférieures à 50 km dans la couche limite atmosphérique (zone comprise entre la surface et environ 1500 m d’altitude, hors relief) et sont résolus par un ensemble de schémas physiques et une paramétrisation qui assure les interactions entre chaque module utilisé.

Pour simuler la température de surface, plusieurs aspects doivent être pris en compte : l’impact du sol et de l’occupation du sol, soit le transfert de chaleur entre le sol et l’atmosphère. Ce compartiment est pris en compte par un modèle sol qui calcule les transferts de chaleur et d’humidité entre le sol, la végétation et l’atmosphère. Cela repose donc sur les flux moléculaires et les effets de turbulence dans les premiers mètres de l’atmosphère. Cette turbulence atmosphérique n’est pas résolue directement par les équations, car elle se manifeste à une résolution inférieure à la grille du modèle. Une méthode de paramétrisation qui consiste à relier certaines quantités (température, humidité) avec des paramètres connus est mise en oeuvre. Pour cela, on applique la méthode de « fermeture » dans les équations. La fermeture locale consiste, en un point de grille, à remplacer les quantités inconnues par des valeurs ou des gradients de valeurs connues. Dans le cas de la fermeture non locale, cette technique est appliquée à plusieurs points de grille. Il est alors possible de calculer les flux d’humidité et de chaleur dans la couche limite et leur diffusion verticale. Ce schéma interagit ensuite avec le rayonnement atmosphérique qui calcule l’apport énergétique au sol.

A titre d’exemple, les températures à 2 m (au-dessus du sol), modélisées sur une partie du département des Bouches-du-Rhône le jeudi 12 décembre 2015 à 7h TU, sont illustrées dans la Figure 20. Cette sortie de modèle montre la répartition des températures à 2 m par une approche déterministe. Le modèle représente l’effet urbain de la ville de Marseille représenté par une couleur verte, puis un refroidissement plus net sur les premiers reliefs marseillais. Sur les 5,7 km de l’axe rouge, séparant le littoral des premiers reliefs, le gradient est de 5°C. Ce dernier devient plus fort sur l’est de la ville dans le secteur des calanques, avec une zone froide sur le mont Puget.

Les techniques géostatistiques et la modélisation à mésoéchelle répondent donc à des logiques et des approches différentes, mais permettent d’estimer une valeur en tout de point de l’espace. Leur utilisation dépend des problématiques des études menées à l’échelle locale et régionale. Ces méthodes ne s’opposent pas et sont au contraire complémentaires pour affiner la connaissance du climat passé, présent et futur.