Sécheresses mondiales : une étude bouleverse les prévisions sur leur évolution future !

Une étude scientifique récente conclut que les modèles actuels du système terrestre pourraient ne pas saisir pleinement la manière dont l’humidité des sols interagit avec l’atmosphère.

La connaissance de l’humidité des sols est essentielle dans de nombreux domaines, notamment en agriculture.
La connaissance de l’humidité des sols est essentielle dans de nombreux domaines, notamment en agriculture.

L’humidité de surface des sols joue un rôle crucial dans la production agricole, le suivi des sécheresses, l’évaluation des risques de vagues de chaleur et d’incendies de forêt, ainsi que dans la caractérisation des interactions entre la terre et l’atmosphère.

Recherche basée sur l’intelligence artificielle

L’étude, publiée dans la revue Earth's Future, a été menée par une équipe dirigée par le professeur WANG Shudong, de l’Institut de recherche en information aérospatiale de l’Académie chinoise des sciences (AIRCAS), qui a proposé une nouvelle approche intégrée combinant observations par télédétection, technologies d’apprentissage profond et modèles du système terrestre (ESM).

L’apprentissage profond est une forme d’apprentissage automatique qui entraîne des systèmes d’intelligence artificielle à apprendre à partir de données, à reconnaître des schémas, à formuler des recommandations et à s’adapter.

Plutôt que de simplement suivre des règles prédéfinies, ces systèmes construisent des connaissances à partir d’exemples, puis utilisent ce savoir pour réagir, se comporter et atteindre des performances proches de celles des humains.

L’objectif principal de cette étude est de reconstituer les variations à long terme de l’humidité de surface des sols à l’échelle mondiale et d’améliorer la précision des projections futures.

Comprendre comment évolue l’humidité de surface des sols et si la sécheresse persistera est essentiel pour de nombreux domaines d’activité humaine.

Cependant, les lacunes et les incertitudes des observations satellitaires, ainsi que les limites des modèles actuels du système terrestre dans la représentation des processus d’interaction entre la terre et l’atmosphère, ont entraîné des divergences importantes dans les estimations des tendances à long terme de l’humidité des sols et dans les projections futures.

Les modèles actuels du système terrestre présentent des limites dans la représentation des processus d’interaction entre la terre et l’atmosphère.
Les modèles actuels du système terrestre présentent des limites dans la représentation des processus d’interaction entre la terre et l’atmosphère.

Ainsi, pour relever ce défi, l’équipe a utilisé des algorithmes d’apprentissage profond afin de combler les lacunes des données dans les ensembles globaux d’humidité de surface des sols issus des satellites micro-ondes, couvrant la période de 1983 à 2020.

Ce processus a permis de constituer un ensemble d’observations mondiales plus complet et cohérent dans le temps, auquel ont été intégrés les résultats de 23 modèles du système terrestre du CMIP6, afin de relier les simulations aux observations.

Les auteurs de l’étude ont ainsi reconstitué l’évolution historique de l’humidité des sols de 1901 à 1980 et établi des projections pour la période allant de 2021 à 2100.

La méthode utilisée offre une approche flexible et physiquement cohérente pour prévoir l’humidité des sols dans le cadre de processus complexes de couplage entre la terre et l’atmosphère.

Avantages de la méthode utilisée dans l’étude

L’équipe de recherche a réalisé des avancées significatives dans la reconstitution des variations à long terme de l’humidité de surface des sols à l’échelle mondiale, ainsi que dans l’amélioration des projections futures grâce à une modélisation climatique fondée sur les observations.

L’étude montre que cette nouvelle approche améliore nettement la complétude et la fiabilité des observations globales de l’humidité de surface des sols.


La couverture observationnelle a augmenté d’environ 15 %, et la validation indépendante a atteint un coefficient de détermination proche de 0,9.

Les données recueillies sur 465 sites de suivi in situ à travers le monde ont également confirmé une forte cohérence avec les ensembles de données reconstruits issus des observations satellitaires.

Les simulations des modèles ont montré une meilleure concordance avec les observations satellitaires que les résultats initiaux dans la plupart des régions, renforçant ainsi la confiance dans les reconstructions historiques et les projections futures.

L’étude apporte également de nouveaux éclairages sur l’évolution globale de l’humidité des sols : au cours des quatre dernières décennies, environ la moitié des terres émergées a été touchée par la sécheresse.

La stratégie utilisée dans cette étude suggère que les tendances mondiales de sécheresse à l’avenir pourraient être moins sévères que ne le prévoient les modèles actuels.
La stratégie utilisée dans cette étude suggère que les tendances mondiales de sécheresse à l’avenir pourraient être moins sévères que ne le prévoient les modèles actuels.

Cependant, les simulations calibrées à partir des observations indiquent que les tendances à l’assèchement dans les zones de transition climatique et les régions en marge des régimes de mousson sont moins marquées que ce que prévoyaient les modèles conventionnels.

Cela suggère que les modèles climatiques actuels tendent à surestimer l’intensification des sécheresses futures, en raison d’une représentation insuffisante des interactions entre la terre et l’atmosphère.

Cette étude remet également en cause le paradigme selon lequel « le sec devient plus sec et l’humide plus humide ». Seule environ un tiers des surfaces terrestres suit strictement ce schéma, tandis que de nombreuses régions présentent des réponses plus complexes, voire opposées.

Les évolutions futures de l’humidité des sols sont influencées par l’évapotranspiration, les variations des précipitations et les interactions régionales entre la terre et l’atmosphère, mettant en évidence une forte hétérogénéité spatiale et des réponses non linéaires, où l’effet n’est pas directement proportionnel à la cause.

Les résultats de cette étude apportent de nouvelles preuves observationnelles pour mieux comprendre et analyser la dynamique globale de l’humidité des sols dans un contexte de changement climatique.

Ces conclusions soulignent la nécessité d’intégrer la télédétection et l’intelligence artificielle dans les modèles du système terrestre afin d’améliorer les projections des sécheresses futures et de leurs impacts socio-économiques.

Référence de l'article :

“Quantifying Historical and Future Surface Soil Moisture Drying Using Deep Learning and Remote Sensing”, Yong Bo, Xueke Li, Kai Liu, Shudong Wang et al., Earth´s Future. Published: 19 March 2026