La mesure du réchauffement pose problème. Par exemple, le centre de Paris est surchauffé d’environ 5 degrés à cause de son îlot de chaleur. Les villes deviennent des iles chaudes. Très chaudes. La nuit en été on peut y relever une différence de plusieurs degrés, jusqu’à 10° exceptionnellement, avec les campagnes environnantes. Quelle incidence sur les moyennes globales?

5 degrés

Une étude détaillée de 2004 soulignait déjà l’importance du réchauffement urbain parisien en comparaison des températures rurales. Les chiffres sont impressionnants. L’image 1 (clic pour agrandir), extraite de cette étude, montre la décroissance des températures relevées entre le centre de Paris et sa périphérie, jusqu’à 50 km. Il s’agit des températures minimales, les plus représentatives de l’îlot de chaleur urbaine (ICU).

La ligne du haut représente la moyenne d’été, jour et nuit inclus. La différence entre le centre et la périphérie est de 5°. Cela montre que les villes accumulent la chaleur et ne se rafraichissent pas comme la campagne.

La ligne du milieu  est la moyenne sur l’année: 4° de plus au centre ville qu’à 50 km!

La ligne du bas est la moyenne d’hiver. Il n’y a que deux degrés de différence entre centre et périphérie.

Ces mesures ont été réalisées par une météo assez stable et calme. En effet le vent brasse l’air et diminue ce différentiel. Raison pour laquelle la différence hivernale est moins grande que l’estivale: en hiver il y a plus de vents et de tempêtes, et surtout moins d’ensoleillement. La chaleur s’accumule moins et les vents dispersent la chaleur des chauffages et cheminées.

Ajustements

L’image 2 est un document réalisé en 2010 selon les données de la Noaa (agence météo états-unienne) et la revue Nature. Elle illustre les densités variables des stations météo sur la planète. On constate une surreprésentation des régions développées, industrieuses et densément peuplées par rapport aux régions moins développées.

La disparité, le manque d’homogénéité des relevés, ou l’absence pure et simple de relevés sur de grandes régions comme en Afrique, peuvent être en partie « corrigés » par des ajustements.

Ajuster, c’est estimer la valeur de données manquantes par rapport par exemple aux données d’autres stations dans la même région. L’Organisation Météorologique Mondiale a édicté des normes sur les conditions de relevé des mesures et le calcul des moyennes.

« Lors du calcul des normales pour une station, les valeurs estimatives ne devraient servir qu’à combler des lacunes relativement mineures dans les jeux de données (au maximum 10 jours sur un mois). Elles ne devraient pas être utilisées pour calculer la normale d’un élément qui n’a jamais été observé dans la station. (Ceci n’a rien à voir avec la pratique tout à fait acceptable consistant à utiliser les normales calculées pour des stations pour estimer les conditions escomptées pour la même période sur d’autres sites). »

Homogénéité

Il y a quand-même une importante marge d’imprécision et de reconstructions. Les ICU ne sont pas considérés comme gênants:

« C’est ainsi que les données recueillies entre 1981 et 2010 dans une zone urbaine existant de longue date, où tout phénomène d'îlot de chaleur urbain existant était déjà constaté avant 1980, peuvent être représentatives de l’environnement actuel du site de mesure. »

Soit. Ce n’est quand-même pas représentatif d’un réchauffement global. 

Notons encore que l’OMM dit:

« La question de l’homogénéité des données servant au calcul des normales climatiques peut être abordée de deux façons:
–En utilisant uniquement les stations dont il est avéré qu’elles produisent des données homogènes;
–En ajustant les données anciennes pour supprimer les inhomogénéités. »

L’homogénéité des données est conditionnée par le nombre, le type et l’emplacement des stations. Or on sait que seul un petit pourcentage des stations utilisées (16%) produit des données continues et fiables. Quant aux ajustements de données du passé ou manquantes, il est sujet à tous les risques de manipulation. Le guide de l’OMM le reconnaît: « … dans bien des pays, seul un petit pourcentage de stations produit des données systématiquement homogènes. »

Automatisation

De plus:

« Après la période de calcul de la moyenne, notamment dans les pays qui ont connu des changements importants influant sur une bonne partie du réseau d’observation (modification par exemple de la définition de la température moyenne quotidienne ou passage généralisé des instruments classiques aux instruments automatiques), il peut donc s’avérer nécessaire d’ajuster certaines données pour parvenir à une densité de réseau acceptable, et/ou de disposer de normales pour des sites clés. »

Actuellement il n’y a pas d’uniformisation mondiale (technologique et géographique) des stations, donc des relevés. Des changements d’instruments ou d’emplacement, de mauvais choix d’emplacement près de zones chaudes (image 4), des inclusions dans des villes chaudes en extension, sont intervenus. Depuis les années 1970 le passage à l’automatisation des relevés et de leur transmission a réduit certaines erreurs humaines, mais il en reste qui sont propre à l’automatisation et au développement technologique. Selon cet autre document de l’OMM:

« Dans les réseaux de SMA les plus perfectionnés, qui disposent d’algorithmes pour écarter les données parasites (voir ci-après), ces erreurs posent de moins en moins problème; elles restent en revanche très problématiques dans les SMA de première génération ou moins perfectionnées, comme on en trouve parfois dans les pays en développement, ou qui existaient dans les pays développés dans les premières années d’utilisation de cette technologie.

Des erreurs peuvent aussi se produire au niveau des systèmes internes des SMA, par exemple dans les algorithmes utilisés pour convertir les signaux émis par les instruments en valeurs de variables météorologiques.

Déplacement

Détecter et corriger ces erreurs peut se révéler particulièrement difficile lorsque le logiciel qui équipe la SMA est livré par le fabricant sous la forme d’une «boîte noire» à laquelle le SMHN n’a pas directement accès. »

Le graphique en image 5, de Météosuisse, montre la statistique des jours de chaleur (>= 25°) à Zürich depuis 1901. En haut, la série originale de mesure. En bas, la série ajustée (homogénéisée). Les valeurs d’avant 1980 sont systématiquement minimisées. Par exemple les 99 jours chauds de 1947 passent, après ajustement, à 66. C’est énorme.

Cela suppose une part considérable de trituration humaine sur les données brutes. La lecture de la tendance climatique s’en ressent fortement. On rabote la période chaude 1920-1940, encore inexpliquée, pour maximiser les décennies récentes.

Sur le site l’explication est que la station a été déplacée de 80 mètres en hauteur. 80 mètres plus haut, cela fait une baisse moyenne de la température de 0,52°. Un demi degré (sans compter l’effet réchauffant de l’îlot de chaleur urbaine): cela suffit-il à expliquer une diminution de 33 jours chauds dans les statistiques?

Je suis très perplexe et pas vraiment convaincu.

Sur le point des ajustements une étude publiée aux États-Unis en 2017 constate qu’ils ne vont que dans le sens d’une augmentation des températures, jamais d’une baisse.

Plus: les modèles ajustés remplacent peu à peu les données brutes dans la documentation climatique.

« Presque tout le réchauffement qu’ils montrent vient des ajustements », a déclaré le météorologue Joe D’Aleo, un co-auteur de l’étude, à la fondation du Daily Caller News lors d’une entrevue. « Chaque jeu de données a poussé le réchauffement des années 1940 et a poussé le réchauffement actuel.

(…)

Végétalisation

« Les conclusions de cette recherche sont que les trois ensembles de données [température de la surface moyenne mondiale - ndla: Noaa, Nasa, MetOffice] ne constituent pas une représentation valide de la réalité », a déclaré l’étude. « En fait, l’ampleur de leurs ajustements des données historiques, supprimant les températures cycliques, est totalement incompatible avec les données américaines crédibles et publiées et d’autres données de température ».

Il semble que toute tentative d’établir une moyenne globale planétaire soit condamnée à ne représenter que la volonté des statisticiens, pas la réalité du terrain.

Pour revenir aux îlots de chaleur tel celui de la ville de Montréal (image 3), ils nécessitent des conditions météorologiques particulières: de préférence anticycloniques, sans vent ou avec un vent très faible. Ils sont susceptibles de déclencher une brise de mer, ou plutôt brise des campagnes. L’air chaud des villes s’élève et attire à sa base l’air frais des campagnes, et il se crée une brise.

Je n’ai pas trouvé de document qui évalue l’influence de ces ICU sur les moyennes globales d’un pays, mais à coup sûr les moyennes ville par ville sont poussées à la hausse, à cause de ces urbanisations propices à capter et accumuler la chaleur. De ce point de vue la végétalisation des villes est un projet intéressant, avec ou sans réchauffement.

L’humoriste Alphonse Allais avait raison: il faut construire les villes à la campagne…