The emerging advances in the field of dynamical prediction of monsoon using state-of-the-art General Circulation Models (GCMs) have led to the development of various multi model ensemble techniques (MMEs). In the present study, the concept of Canonical Correlation Analysis is used for making MME (referred as Multi Model Canonical Correlation Analysis or MMCCA) for the prediction of Indian summer monsoon rainfall (ISMR) during June-July-August-September (JJAS). This method has been employed on the rainfall outputs of six different GCMs for the period 1982 to 2008. The prediction skill of ISMR by MMCCA is compared with the simple composite method (SCM) (i.e. arithmetic mean of all GCMs), which is taken as a benchmark. After a rigorous analysis through different skill metrics such as correlation coefficient and index of agreement, the superiority of MMCCA over SCM is illustrated. Performance of both models is also evaluated during six typical monsoon years and the results indicate the potential of MMCCA over SCM in capturing the spatial pattern during extreme years.

Les avancées émergentes des tout derniers modèles de circulation générale (GCMs) conduisent au développement de différentes techniques d’ensemble multimodèle (MMEs) pour la prévision de la pluviosité de mousson d’été en Inde. Dans l’étude abordée ici, le concept d’analyse de corrélation canonique, référencée comme analyse de corrélation canonique multimodèle (MMCCA), est utilisé. À ce propos, six groupes de résultats calculés à partir du modèle GCM pour la pluie, avec comme valeurs initiales celles du mois de mai, pour une simulation juin-juillet-août-septembre (JJAS) sont disponibles. La capacité de prédiction de la pluviosité de mousson d’été dans le modèle MMCCA est comparée à celle d’un simple ensemble multimodèle pris comme référence. Après une analyse approfondie, grâce au coefficient de corrélation et à l’index d’accord, la supériorité de MMCCA sur MME est avérée. La performance des deux modèles est aussi évaluée au cours de six années de mousson typique et les résultats indiquent le potentiel de MMCCA par rapport à MMC dans la saisie de la configuration spatiale pendant les années extrêmes.