Prévisions haute résolution des régimes thermiques du sol à l’aide de différents cadres d’apprentissage profond dans le contexte du changement climatique

Pourquoi la chaleur sous nos pieds compte

La plupart d’entre nous envisagent le changement climatique en termes d’étés plus chauds et de diminutions de l’enneigement, mais les évolutions discrètes qui se produisent à quelques centimètres sous nos pieds peuvent être tout aussi importantes. La température du sol influence la croissance des cultures, la quantité de nourriture que nous pouvons produire, la capacité des paysages à retenir l’eau et la quantité de carbone que la terre renvoie dans l’atmosphère. Cette étude regarde sous la surface dans une région montagneuse semi‑aride de l’ouest de l’Iran et pose la question : comment différents futurs climatiques réchaufferont — ou même refroidiront temporairement — le sol dont nous dépendons, et à quelle vitesse ces changements se produiront‑ils ?

Observer de plus près un paysage accidenté

Les chercheurs se sont concentrés sur la province de Lorestan, une région de pics et de vallées spectaculaires le long des monts Zagros. Là, les températures varient de froids hivernaux intenses à des chaleurs estivales torride, et les agriculteurs dépendent fortement des eaux souterraines pour soutenir cultures et élevages. Dix stations météorologiques ont enregistré quotidiennement la température du sol à une profondeur de seulement 5 centimètres sur plusieurs décennies. Pour entrevoir l’avenir, l’équipe a couplé ces relevés locaux à des projections d’un modèle climatique mondial qui décrit l’atmosphère à grande échelle, en basse résolution. Le défi était de traduire ces projections floues et planétaires en prévisions nettes à l’échelle des stations, utiles aux gestionnaires locaux des terres.

Apprendre aux ordinateurs à lire le climat

Plutôt que d’utiliser des formules statistiques traditionnelles et relativement simples, l’équipe s’est tournée vers l’apprentissage profond — la même famille de méthodes qui sous‑tend la reconnaissance vocale moderne et la recherche d’images. Ils ont testé quatre architectures de réseaux neuronaux particulièrement aptes à gérer des motifs dans l’espace et le temps : un réseau convolutionnel (CNN), deux architectures orientées séquences (LSTM et GRU) et un hybride combinant des couches CNN et LSTM. Avant d’entraîner ces modèles, ils ont passé au crible 26 variables atmosphériques différentes issues du modèle canadien du système terrestre, telles que la température de l’air, les schémas de pression, les vents et l’humidité, en utilisant trois techniques complémentaires pour identifier celles qui suivent le mieux les températures observées du sol. La température de l’air en surface et la pression atmosphérique en niveaux moyens sont apparues comme des prédicteurs clés sur presque toutes les stations.

Des prévisions du sol plus précises grâce à l’apprentissage profond hybride

Avec les meilleurs prédicteurs en main, les chercheurs ont entraîné et ajusté chaque réseau neuronal sur des données quotidiennes de 1980 à 2014, en contrôlant soigneusement les performances sur des années réservées. Le modèle hybride CNN‑LSTM s’est généralement révélé supérieur. Il a capté à la fois les grands schémas météorologiques et les variations quotidiennes de la température du sol, obtenant de bons scores de compétence et limitant les erreurs typiques à quelques degrés Celsius. Des tests contre des observations récentes (2015–2020) ont montré que le modèle pouvait reproduire le comportement réel sous plusieurs scénarios climatiques, dits « Shared Socioeconomic Pathways », qui vont de fortes réductions d’émissions à un développement fortement dépendant des combustibles fossiles. Fait notable, les scénarios qui correspondaient le mieux aux tendances récentes du sol variaient selon l’altitude et l’emplacement : les stations fraîches en montagne avaient tendance à s’aligner sur des futurs à faibles émissions, tandis que les sites plus chauds en plaine correspondaient à des trajectoires d’émissions modérées à élevées.

Tournants surprenants dans le réchauffement futur du sol

Munis de leur modèle le plus performant, l’équipe a projeté la température quotidienne du sol jusqu’en 2100 sous trois futurs représentatifs : faibles, moyens et élevés niveaux d’émissions de gaz à effet de serre. Tous les scénarios mènent finalement à des sols plus chauds, mais pas de la même manière ni au même rythme. Sous les scénarios faibles et moyens, les températures du sol augmentent modérément puis se stabilisent, ajoutant à la fin du siècle environ quelques degrés Celsius par rapport à aujourd’hui. Sous la trajectoire à fortes émissions, en revanche, l’histoire est plus dramatique. Au cours des prochaines décennies, la couche supérieure du sol se refroidit en réalité dans de nombreux endroits, probablement parce que des nuages plus épais, des pluies modifiées et des sols plus humides protègent le sol du rayonnement solaire même si l’air au‑dessus se réchauffe lentement. Après le milieu du siècle, ce refroidissement temporaire bascule en un réchauffement accéléré, laissant le monde à fortes émissions avec des sols de loin les plus chauds et un schéma de variabilité interannuelle fondamentalement modifié.

Ce que cela signifie pour l’agriculture, l’eau et les écosystèmes

Pour les non‑spécialistes, le message est à la fois prudent et concret. Ce travail montre que ce qui se passe à la surface du sol n’est pas un simple reflet de la température de l’air ; la géographie locale et les changements dans les nuages, les précipitations et l’humidité peuvent temporairement masquer le réchauffement avant de l’amplifier. Les agriculteurs et gestionnaires de l’eau dans des lieux comme le Lorestan pourraient être confrontés à une séquence déroutante de sols plus frais suivis d’un réchauffement rapide difficile à gérer si les émissions restent élevées. En revanche, une action climatique forte — des futurs proches des scénarios à faibles émissions — semble verrouiller un réchauffement du sol plus lent et plus régulier, que les écosystèmes sont plus susceptibles de supporter. En tirant parti d’outils avancés d’apprentissage profond, cette étude offre une vision souterraine plus nette de nos choix climatiques, traduisant des scénarios globaux abstraits en risques et calendriers concrets dans la couche de terre qui nous nourrit.

Citation: Saeidinia, M., Haghiabi, A.H., Nazeri Tahroudi, M. et al. High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change. Sci Rep 16, 7377 (2026). https://doi.org/10.1038/s41598-026-38496-6

Mots-clés: température du sol, apprentissage profond, changement climatique, mise à l’échelle descendante, agriculture