Les anomalies climatiques, c'est-à-dire les écarts par rapport à la norme, constituent le principal matériau pour étudier El Niño et d'autres oscillations interannuelles. Selon les règles de l'Organisation météorologique mondiale, les normes sont calculées comme la moyenne des 30 dernières années, mais avec le réchauffement climatique, cette approche introduit un biais : la norme de température est en retard sur la réalité. Un courant de recherche s'est déjà développé autour de ce problème, cherchant des normes optimales : certains proposent de donner plus de poids aux observations récentes, d'autres ajustent des tendances linéaires, d'autres encore comparent la précision des prévisions. Cet article s'inscrit dans cette lignée, mais déplace l'attention du choix de la fenêtre vers la construction du filtre, qui prend en compte simultanément la tendance et la saisonnalité.
Les auteurs construisent un filtre causal linéaire à réponse impulsionnelle finie pour estimer les normes climatiques mensuelles. Il repose sur une régression trigonométrique locale : au voisinage de chaque instant, la norme est représentée comme la somme d'une constante, d'une tendance linéaire et de six harmoniques saisonnières. Le filtre est obtenu comme solution d'un problème de moindres carrés, puis régularisé : on introduit un paramètre de retrait λ qui mélange le filtre sans tendance et le filtre avec tendance. On introduit également des noyaux saisonniers, par exemple le noyau d'Épanechnikov, pour donner plus de poids aux observations centrales. Les paramètres λ et la largeur de fenêtre m sont choisis en minimisant l'erreur quadratique moyenne de l'estimation de la norme, qui tient compte de l'autocorrélation des anomalies.
Pour 120 séries de température de surface de l'océan dans la région Niño 3.4, les paramètres optimaux se sont révélés proches des valeurs standard : λ moyen = 0,10, m moyen = 29,38 ans. La différence entre les anomalies de la nouvelle méthode et les estimations du Centre de prévision climatique de la NOAA ne dépasse pas 0,3 °C. Pour 228 séries de vent, le tableau est différent : λ moyen = 0,49, m moyen = 23,86 ans, et le filtre standard de 30 ans n'est sélectionné que dans 3 cas sur 228. L'ancien filtre sous-estime systématiquement les normes de vent, ce qui conduit à une surestimation des anomalies jusqu'à 2 m/s. Le test de stationnarité des anomalies montre une amélioration spectaculaire : le taux d'échec passe de 55,3 % à 3,5 % avec le nouveau filtre.
Ce travail s'inscrit dans le courant général de recherche de normes climatiques optimales, mais se distingue des approches voisines en combinant tendance, saisonnalité et régularisation dans un seul filtre avec un critère explicite de sélection des paramètres. Les travaux voisins fixent soit la fenêtre et ajustent les poids, soit ajustent la tendance séparément, sans toucher à la structure saisonnière. Ici, le filtre est dérivé d'un modèle trigonométrique local, et les paramètres sont réglés pour minimiser l'erreur d'estimation, ce qui fournit une méthode systématique d'adaptation à la non-stationnarité. Pour la température de surface de l'océan, l'adéquation des normes standard est confirmée, tandis que pour le vent, il est montré pour la première fois que négliger la tendance conduit à une distorsion notable des anomalies.
La méthode se transpose naturellement aux données quotidiennes, où le cycle saisonnier comporte 365 harmoniques, et le coût de calcul reste faible. On peut également envisager des méthodes non paramétriques pour choisir le noyau et comparer le critère proposé avec une validation croisée qui tienne compte de la corrélation interannuelle. La question de l'estimation conjointe des normes pour des séries multivariées, par exemple la température et le vent, reste ouverte, afin que les anomalies soient cohérentes au sein d'un modèle unifié.
Les résultats sont importants pour le suivi d'El Niño, la prévision climatique et toutes les applications où les anomalies sont utilisées comme données d'entrée pour des modèles statistiques. Des anomalies de vent améliorées pourraient renforcer la qualité des modèles d'interaction océan-atmosphère.
Il conviendrait de tester le filtre sur d'autres variables climatiques, telles que les précipitations et la pression, où les tendances et les décalages saisonniers peuvent être encore plus marqués. Il serait également utile de comparer la nouvelle méthode avec des approches basées sur les splines et la régression linéaire locale dans le cadre d'une expérience de prévision unifiée.
En climatologie statistique, la question de la séparation entre tendance à long terme et variabilité basse fréquence, par exemple l'oscillation décennale du Pacifique, reste non résolue. Ce travail montre que le choix du filtre pour les normes affecte directement les propriétés statistiques des anomalies, et donc les conclusions sur les relations entre variables. Pour progresser, il faut modéliser conjointement la tendance, la saisonnalité et l'autocorrélation interannuelle sans hypothèses strictes de stationnarité.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Cet article propose un filtre régularisé basé sur une régression trigonométrique locale pour estimer les normales climatiques en temps réel, en tenant compte de la tendance et de la saisonnalité. Sur les données de température de surface de l'océan dans la région Niño 3.4 et de vent dans le Pacifique tropical, il est montré que pour la température, les normales standard sur 30 ans fonctionnent bien, tandis que pour le vent, le nouveau filtre réduit considérablement la fausse non-stationnarité des anomalies (de 55 % à 3,5 % d'échecs du test de stationnarité).
Où est sa force
La combinaison de la tendance, de la saisonnalité et de la régularisation dans un seul filtre, avec un critère explicite de sélection des paramètres, offre une méthode systématique d'adaptation à la non-stationnarité, permettant d'estimer correctement les anomalies même en présence d'une tendance dans les variables climatiques.
Vers où avancer
À essayer
Pourquoi cela peut compter
Une estimation correcte des anomalies est essentielle pour la surveillance et la prévision des phénomènes climatiques tels que El Niño, et la méthode proposée pourrait devenir une référence pour les variables présentant une tendance marquée.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.52, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
La règle des 30 ans pour les normes climatiques n'est pas issue de la statistique, mais de la pratique : lorsque la recommandation a été adoptée, les météorologues ne disposaient que de 30 ans de données fiables. Depuis, ce chiffre est devenu la norme, même si le climat a le temps de changer considérablement sur cette période.