Le phénomène d'El Niño dans le courant de l'Atlantique Sud et de Benguela, qui coule le long de la côte ouest de l'Afrique australe, a un impact significatif sur la région de l'Atlantique tropical, conduisant à des effets étendus sur les écosystèmes marins locaux, les climats africains et l'oscillation du sud d'El Niño. Jusqu'à présent, personne n'a pu prédire des événements chaleureux dans cette région.
« Nous sommes extrêmement excités parce que c'était la première fois que nous pouvions réellement produire des prédictions utiles pour les communautés construisant des modèles traditionnels et atteignant cet objectif que nous avions deux ans auparavant », explique Marie-Lou Bachèlery à propos de son article qui vient de publier dans Avancées scientifiques.
L'océan Atlantique tropical est situé entre la côte brésilienne à l'ouest et la côte ouest-africaine à l'est. Le Niño central de l'Atlantique se caractérise par des températures chaudes de la surface de la mer concentrées dans l'Atlantique équatorial central, tandis que l'Atlantique oriental Niño présente un réchauffement dans l'Atlantique équatorial oriental, près de la côte ouest-africaine.
En tant que composante importante des systèmes climatiques, les variations de l'océan influencent les conditions météorologiques locales. Ces changements ont également un impact sur les écosystèmes marins et les moyens de subsistance des personnes qui dépendent des ressources des poissons de l'océan.
Dans une impasse
L'Atlantique Sud est l'une des régions qui dépasse comme une région qui a un réchauffement assez fort dans l'océan. Et cela est problématique pour beaucoup de choses, comme les pêcheries. Il est encore plus important de prédire des événements extrêmes, comme les événements de l'Atlantique et de Benguela Niño.
« Mon idée était de faire des prédictions de ces événements en utilisant des modèles climatiques … après un an et demi de travail, nous avons réalisé que cela ne fonctionnait pas et que nous étions en quelque sorte dans une situation de blocage », explique Bachèler.
À cette époque, Bachèlery travaillait à l'Institut géophysique de l'Université de Bergen. Maintenant, elle travaille au Centre Euro-Mediterranean sur le changement climatique en Italie.
Nouvelle approche
Les modèles climatiques ont souvent du mal à prédire des événements chaleureux dans l'Atlantique tropical en raison de leur faible résolution. Ces modèles ne représentent pas avec précision la dynamique de l'Upwelling, où les processus pilotés par le vent mettent à la surface de l'eau plus profonde et plus fraîche. Cette upwelling nécessite une modélisation haute résolution pour capturer les processus à échelle fine impliqués.
L'incapacité à résoudre ces dynamiques conduit à des biais de température importants dans la région. Ces biais créent une cascade d'erreurs, affectant les températures de surface, le couplage atmosphérique et les téléconnexions, entraînant finalement des prédictions inexactes d'événements chauds.
« Avec des techniques innovantes telles que l'apprentissage automatique, j'ai commencé à penser aux possibilités et que je connaissais très bien la région. Je savais exactement ce que j'avais besoin pour prédire ces événements », explique Bachèlery.
Le professeur Noel Keenlyside était le superviseur de Bachèlery et travaille avec la prédiction pendant de nombreuses années. La première fois qu'il a travaillé sur la prévision de la région de l'Atlantique, c'était il y a environ 15 ans.
« Pour la première fois, il est en fait possible de prédire ces événements et de surmonter le problème des erreurs de modèle en utilisant une approche différente. Beaucoup de gens essaient de prédire ce domaine depuis quelques décennies. C'est pourquoi les résultats de Marie Lou sont passionnants », dit-il.
L'étude a également été réalisée sous le projection Triatlas, qui avait pour objectif d'évaluer le statut de l'écosystème marin sud et tropical de l'Atlantique et de développer un cadre pour prédire ses changements futurs, de mois à des décennies.
Pouvoir prédire des événements chauds sera très utile pour les pêcheries.
« Lorsque des événements extrêmes se produisent, les gestionnaires peuvent limiter la pêche dans cette région, pour réduire les effets de la pression supplémentaire de l'environnement », explique Kevelyside.
Quand ils ont obtenu les résultats pour la première fois, Bachèlery n'a pas cru ce qu'elle a vu.
« J'ai revérifié ce qui ressemblait à un milliard de fois pour m'assurer que nous ne prévoyons pas de prédire, car c'est une caractéristique courante de l'apprentissage automatique. »
Pour faire une prédiction, ils ont donné les cartes machine de la température de la région qui les intéressaient, puis le modèle d'apprentissage automatique identifie les modèles et les régions qui fournissent des informations qui ont conduit à des prédictions précises pour les deux prochains mois. En accédant à ces informations, ils peuvent représenter les mécanismes physiques, car le modèle de prédiction est formé sur des données réelles.
« La machine ne faisait pas de choses aléatoires; elle comptait en fait sur de vrais mécanismes physiques qui existent. C'est donc la partie la plus intéressante pour moi », explique Bachèlery.
Les commentaires sur les résultats ont été extrêmement positifs. Bachèlery explique qu'elle a obtenu des commentaires sur le fait qu'ils ont réussi à prédire ce système, et les gens posent des questions, comme quel type d'algorithme ils ont utilisé.
Étapes suivantes
« Même si le système n'est pas nécessairement pour leur région, toute la technique peut être répétée pour tout autre système. Et je pense que les gens sont vraiment enthousiasmés à ce sujet. »
Ils travaillent maintenant à rendre ces prévisions disponibles via un tableau de bord.
« Nous sommes en dialogue avec les utilisateurs de prévision de l'Institut national des pêches en Angola (INIP) pour améliorer et affiner davantage les informations à leurs besoins. Il est particulièrement agréable de voir que la recherche fondamentale devient socialement pertinente », explique Keenlyside.
