La symphonie du climat : comment des chocs aléatoires engendrent une réponse prévisible ✛

Original: "Kolmogorov Modes and Linear Response of Jump-Diffusion Models"
arXiv:2411.14769 · 2024-11-22 · CC BY 4.0 · 2 min
Des mathématiciens ont appris à prédire la réaction du système climatique aux sauts brusques, comme des rafales de vent soudaines ou des précipitations extrêmes.

L'orchestre joue la symphonie du climat. Chaque violon, chaque instrument à vent mène sa propre partie : ce sont les modes de Kolmogorov, les rythmes naturels du système. Soudain, un coup de tonnerre éclate dans la salle : un saut brusque, comme une rafale de vent ou une averse. Autrefois, nous savions écouter uniquement le son continu, mais nous ne savions pas déchiffrer de tels accords.

Dans ce nouveau travail, les mathématiciens ont complété la partition. Ils ont dérivé des formules qui prédisent comment le système climatique réagira à un choc aléatoire, même si ce choc est brusque plutôt que progressif. L'idée clé est de décomposer la réponse selon les mêmes modes qui résonnent à l'état calme. Ainsi, la réaction à une perturbation devient une somme de motifs familiers.

Dans le modèle d'El Niño avec sauts, la théorie a prédit avec précision la réponse à une modification du couplage océan-atmosphère jusqu'à 10 % du paramètre d'origine. C'est comme si le chef d'orchestre modifiait légèrement le tempo et que l'orchestre continuait à jouer sans fausse note.

Auparavant, de tels calculs ne fonctionnaient que pour un bruit lisse, semblable au grésillement d'un récepteur radio. Mais le climat réel est plein de sauts : changements soudains de vent, précipitations extrêmes, catastrophes rares. La nouvelle théorie couvre également ces cas, car elle tient compte non seulement de la force du choc, mais aussi de sa forme.

Le test sur le modèle de bilan d'énergie de Ghil–Sellers avec un bruit α-stable a montré que la réponse linéaire reproduit les projections climatiques avec un léger décalage. Certes, cela a nécessité cent fois plus de calculs d'ensemble que pour le cas gaussien habituel. Mais le résultat en valait la peine : pour la première fois, la théorie a été confirmée sur un modèle spatialement distribué.

L'analyse spectrale a révélé que l'ajout de sauts augmente la lacune spectrale. Cela signifie que le système oublie plus vite le passé et revient plus rapidement à l'équilibre. Les sauts agissent comme un bon chef d'orchestre qui empêche l'orchestre de rester bloqué sur une seule note.

Désormais, les climatologues disposent d'un outil pour évaluer la sensibilité du climat aux changements de paramètres et pour détecter des modifications même en présence d'événements extrêmes. C'est comme apprendre à entendre non seulement la mélodie, mais aussi chaque coup de tambour.

L'orchestre continue de jouer. La symphonie du climat est devenue plus compréhensible, et les chocs aléatoires ne font plus peur : nous savons comment ils se répercuteront dans la musique.

La méthode d'Ulam, utilisée pour estimer les modes, a été initialement proposée par Stanislas Ulam dans les années 1960 pour étudier les propriétés ergodiques des systèmes dynamiques, et aide désormais à analyser les modèles climatiques avec sauts.

\partial_t p(x,t) = -\nabla \cdot (F(x) p(x,t)) + \frac{1}{2} \sum_{i,j=1}^d \partial_{ij} (a_{ij}(x) p(x,t)) + \int_{\mathbb{R}^d \setminus \{0\}} [p(x-y,t) - p(x,t) + y \cdot \nabla p(x,t) \mathbf{1}_{\{\|y\|<1\}}] \nu(dy)
La variation de la densité de probabilité est la somme de la dérive, de la diffusion et d'une contribution non locale des sauts, décrite par l'intégrale par rapport à la mesure de Lévy ν.
\delta^{(1)}[\Psi](t) = \epsilon \int_{-\infty}^{t} G_{\Psi,G}(t-s) g(s) ds + \epsilon \int_{-\infty}^{t} ds \int_{\mathbb{R}^d \setminus \{0\}} G_{\Psi,\nu}(t-s,y) \delta\nu_s(dy)
La réponse est la somme de deux contributions : l'une locale due à la modification de la dérive, l'autre non locale due à la modification de la loi des sauts, chacune étant exprimée via sa fonction de Green.
Notions
théorème de fluctuation-dissipation coupled general circulation model linear inverse model théorème de Kolmogorov-Arnold-Moser équations de Lotka-Volterra régression linéaire théorie des jeux