Le temps est chaotique : une petite erreur dans les données initiales s'amplifie en quelques jours. Le climat, moyenné sur une saison, est également chaotique, mais sa limite de prévisibilité est déterminée par la croissance des erreurs dans les modes lents. Pour la mousson indienne, cette limite a été estimée à environ six mois : au-delà, le bruit noie le signal. Cependant, des travaux récents ont montré que l'indice global El Niño (G-ENSO), construit à partir des anomalies de profondeur de la thermocline sur toute la ceinture tropicale, est corrélé à la mousson avec un décalage de 18 mois et un coefficient de 0.84. Cette contradiction entre théorie et observations a servi de point de départ. Dans les archives voisines, on trouve des travaux sur les précurseurs précoces de sécheresse, sur la prévision d'El Niño un an et demi à l'avance, et sur la distinction entre signal climatique et bruit météorologique, mais aucun n'expliquait le mécanisme d'une mémoire aussi longue du système.
Les auteurs ont considéré la mousson et El Niño global comme des ensembles de milieux oscillatoires spatialement distribués et en interaction. La dynamique interne de chaque système est décrite par un paramètre d'ordre complexe, dont l'évolution obéit à une équation de Ginzburg-Landau. Ces deux équations sont couplées par une liaison bidirectionnelle antisymétrique : les régions de forte amplitude dans un milieu renforcent l'autre, qui en retour affaiblit la première. Il en résulte un délai naturel, comme dans un système proie-prédateur, mais au niveau des motifs spatiaux. Le système a été intégré numériquement sur une grille de 256×256 points pendant 4000 pas avec une méthode pseudo-spectrale. Les paramètres ont été choisis pour que chaque milieu soit en régime d'instabilité de Benjamin-Feir, générant des motifs turbulents irréguliers. Les séries théoriques pour la mousson et El Niño ont été obtenues en moyennant la partie réelle du paramètre d'ordre sur l'espace.
Le modèle a reproduit l'observation clé : les séries de la mousson et d'El Niño sont presque non corrélées sans décalage (r = 0.2), mais avec un décalage de 18 mois d'El Niño vers l'avant, la corrélation atteint 0.89. C'est une synchronisation retardée : les motifs spatiaux d'un milieu, 18 mois plus tard, ressemblent aux motifs actuels de l'autre. La force du couplage est critique : avec un couplage nul, il n'y a pas de corrélation, et à mesure que le coefficient de couplage augmente, le maximum de corrélation se déplace vers 18 mois et se renforce. L'estimation de la limite de prévisibilité à partir des données d'observation donne pour la mousson environ six mois, pour El Niño depuis un pic environ dix mois, mais depuis un creux jusqu'à trente mois. Le minimum de croissance des erreurs à un décalage de 19 mois coïncide avec le maximum de corrélation, ce qui relie le modèle à la réalité. Ainsi, la prévisibilité à long terme n'émerge pas malgré le chaos, mais grâce à la synchronisation des motifs chaotiques.
Ce travail montre que la limite de prévisibilité déterministe n'est pas un mur infranchissable pour les systèmes climatiques couplés. La synchronisation retardée permet à un système de servir d'indicateur avancé pour un autre sur des échéances trois fois supérieures à sa propre limite. Cela change la perspective sur la prévision saisonnière : au lieu d'essayer de vaincre le chaos, on peut chercher des paires de systèmes qui sont chaotiquement synchronisés. Parmi les travaux voisins sur les précurseurs précoces et les prévisions par réseaux de neurones, celui-ci se distingue en fournissant un mécanisme physique, et non seulement une corrélation statistique. Il explique pourquoi les réseaux de neurones profonds ont pu réaliser une prévision de la mousson à 18 mois, alors que les modèles classiques ne le pouvaient pas.
Le modèle à deux équations de Ginzburg-Landau peut être étendu à un plus grand nombre de systèmes climatiques, par exemple en ajoutant l'oscillation nord-atlantique ou d'autres moussons. Les résultats préliminaires des auteurs indiquent que les systèmes extratropicaux pourraient être prévisibles mieux qu'on ne le pensait. La prochaine étape est de vérifier si la synchronisation retardée apparaît dans des modèles climatiques plus réalistes et si on peut la détecter directement dans les données d'observation. Si c'est le cas, la recherche de paires synchronisées deviendra un outil pratique pour la prévision à long terme.
Ce résultat influencera la prévision saisonnière des moussons, des sécheresses et, peut-être, des anomalies extratropicales. Il fournit également une base théorique pour les modèles hybrides, où la physique de la synchronisation est combinée à l'apprentissage automatique.
Vérifier la synchronisation retardée dans les modèles complets de circulation générale de l'atmosphère et de l'océan. Développer des indices qui quantifient le degré de synchronisation entre les systèmes climatiques à partir des données d'observation.
Pour la climatologie, la question reste ouverte : jusqu'où peut-on prévoir les modes lents du climat s'ils sont couplés à des processus chaotiques rapides ? Ce travail propose un mécanisme concret, la synchronisation retardée, et relie ainsi le problème classique de la limite de prévisibilité à la théorie de la dynamique non linéaire. Il ne résout pas complètement le problème, mais indique une direction : chercher non pas à supprimer le chaos, mais à le synchroniser entre les systèmes.
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
Les auteurs considèrent la mousson d'été indienne et El Niño global comme des milieux oscillatoires non linéaires couplés, décrits par les équations de Ginzburg-Landau. La modélisation numérique reproduit la corrélation retardée observée de 0,84 entre la mousson et le prédicteur à un décalage de 18 mois. Cela explique comment une prévision saisonnière peut dépasser la limite de prévisibilité déterministe imposée par le chaos.
Où est sa force
La force clé réside dans la démonstration que la synchronisation retardée de motifs chaotiques permet à un système de servir d'indicateur avancé pour un autre sur des échéances trois fois supérieures à sa propre limite de prévisibilité.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si le mécanisme de synchronisation retardée s'avère général pour les systèmes climatiques couplés, cela pourrait conduire à une nouvelle classe de prévisions à long terme utilisant des indicateurs avancés naturels et modifier les stratégies d'adaptation aux risques climatiques.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.53, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
La corrélation de 0.84 entre la mousson et El Niño global à un décalage de 18 mois n'a été découverte qu'après avoir remplacé l'indice traditionnel Niño 3.4 par les anomalies de profondeur de la thermocline sur toute la ceinture tropicale. Il s'est avéré que le signal se cache non pas dans la température de surface, mais dans l'épaisseur de l'océan.
L'idée de prédiction par synchronisation de systèmes chaotiques fait écho au roman d'Isaac Asimov « Fondation », où la psychohistoire prédit le comportement de grandes masses de personnes malgré l'imprévisibilité des individus. Ici, le rôle des individus est joué par les tourbillons météorologiques, et celui des masses par les motifs climatiques lents.