Connu / https://bsky.app/profile/pmarques35.bsky.social/post/3m3jrd626vm23
"
Patrick Marques
‪@pmarques35.bsky.social‬
[1/8] A. Ribes (Météo-France), O. Tessiot, V. Masson-Delmotte (CEA/IPSL) et P. Forster (Univ. Leeds) montrent comment actualiser chaque année les estimations du réchauffement anthropique et affiner les projections climatiques grâce à de nvelles données d’observation. #geography #climate #projections
Towards annual updating of forced warming to date and constrained climate projections - Nature Communications
This study shows that incorporating observations from every new year in constrained projections of forced warming improves estimates of the expected warming in response to different emission scenarios...
www.nature.com
19 octobre 2025 à 09:22
9 reposts
1 citation
30 ont aimé
6 conservés
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[2/8] À l’approche du seuil de 1,5°C fixé par l’Accord de Paris, les auteurs proposent d’évaluer le réchauffement chaque année plutôt que sur une moyenne décennale. Leurs résultats confirment qu’en 2023, la Terre était déjà environ 1,31°C plus chaude que l’ère préindustrielle. #geography #climate
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[3/8] L’étude compare 2 indicateurs : la moyenne sur 10 ans (retardée mais stable) et celle sur 1 an (plus précise mais plus sensible aux variations). Résultat, le calcul annuel offre une meilleure estimation du réchauffement réel avec une marge d’erreur inférieure à 0,05°C. #climate #projections
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[4/8] Cette méthode repose sur un modèle bayésien appelé Kriging for Climate Change, combinant modèles CMIP6 et observations réelles. Elle permet d’actualiser les projections sans relancer les simulations et d’intégrer directement les données les plus récentes. #geography #climate #projections
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[5/8] L’ajout d’une seule année de données réduit déjà l’incertitude : les projections pour 2100 se déplacent d’environ ±0,07°C et leurs intervalles de confiance se resserrent de 1,5%. Les résultats deviennent donc plus précis sans perdre leur stabilité statistique. #geography #climate #projections
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[6/8] À l’échelle régionale, la précision progresse aussi, bien que plus lentement. Les incertitudes restent importantes pour 2050, mais la tendance générale est claire : l’intégration annuelle des observations améliore la fiabilité des projections de réchauffement. #geography #climate #projections
‪Patrick Marques‬
‪@pmarques35.bsky.social‬
· 7j
[7/8] Les chercheurs soulignent l’importance de suivre les forçages récents : baisse des aérosols, éruption du Hunga-Tonga, ou effets d’El Niño. Ces événements peuvent temporairement modifier le signal du réchauffement et doivent être intégrés pour ajuster les modèles. #climate #projections
Warming to date estimate and its changes over time. The forced warming is estimated for the ‘current’ year (x-axis), via a Bayesian observational constraint, using all observations available at that time (i.e., over the period from 1850 up to the shifting date given in the x-axis), corresponding to the 1-year estimate. Calculations are done in a perfect model framework (using the CNRM-CM6-1 r4i1p1f2 historical and SSP2-4.5 simulations as pseudo-observations, panel (a), using real world HadCRUT5 observations as available in 2024 panel (b), and using datasets that were available at the date studied (including earlier versions of the HadCRUT dataset, and various CMIP generations, panel c). The observational constraint uses an ensemble of climate models as a prior (“Un-constrained”, 5–95% confidence ranges, blue): the CMIP6 ensemble panels (a, b) or various CMIP ensembles panel (c). The result of the estimation procedure is the posterior given observations (“Constrained”, best-estimate and 5–95% confidence range, green). This estimate is compared to the constrained estimate of the forced warming over the previous 10-year period (“Constrained 10-year”, pink, best-estimate only). Observations or pseudo-observations are shown in orange.
ALT
"