" Approches et méthodologies pour le développement des paramétrisations physiques " - Laboratoire de météorologie dynamique

La page est créée Florian Dubois
 
CONTINUER À LIRE
« Approches et méthodologies
  pour le développement des
 paramétrisations physiques »
Contributions de : A. Ahmat-Younous, E. Bazile, I. Beau, F.
      Beucher, D. Bouniol, F. Bouyssel, G. Canut, J.
  Chaboureau, F. Chéruy, D. Coppin, F. Couvreux, J. F
Guérémy, F. Guichard, F. Hourdin, C. Lac, J.P Lafore, MP
 Lefèbvre, A. Paci, P. Peyrillé, D. Pollack, J.M Piriou, S.
               Riette, C. Rio, R. Roehrig…

                       Merci à tous!
Plan
•   Intro
•   I. Etat de l’art
•   I.1 Des observations pour définir les cas et évaluer les simulations explicites
•   I.2 Les simulations explicites : CRM et LES
•   I.3 Environnement 1D
•   I.4 Synthèse : limites du 1D/Aller vers des stratégies d'évaluation
    intermédiaire
•

•   II. Stratégies d'évaluation intermédiaire
•   II.1 Evaluation multi-environnements au CNRM
•   II.2 Sorties haute-fréquence sur site
•   II.3 Simulateurs d'observations
•   II.4 Perspectives
•

•   III. Mieux comprendre les couplages et les interactions pour réduire les biais ?
•   Intro
•   III.1 Couplages convection/circulation de grande échelles
•   III.2 Couplages surface/atmosphère
•   III.3 Couplages nuages/autres paramétrisations
I. Etat de l’art: Intro
. Etat de l’art: Intro                  Utilisation des cas 1D

                                                                       Observation

  Test case, field campaign experiment
                                                       l ua   ti o n
                                                   Eva

 Explicit simulations, Grid cell, 20-100 m
                                             Evaluation           « Large scale »
                                                                    conditions
                                                                     imposed

  Climate model, parameterizations, « single-column » mode

                     → Parameterizations are evaluated against other models
                     → Can be done for realistic test cases but also with more idealized forcing
                                                             Courtesy F.Hourdin
                        (check the response of the parameterization to perturbations)
I-Etat de l’art
I.1 Des observations pour définir les cas et évaluer
                     les simulations explicites
     • Evaluation des profils moyens simulés par les LES vs radiosondages

Cas AMMA: initiation de
convection profonde en
                                          ___LES
                                          ---
                                                         θ                  rv
                                          observations
zone semi-aride
(10/07/2006) (Couvreux
et al.2012)

     • Evaluation des distributions simulées vs observations avion. Cas
       IHOP, Couvreux et al., 2005
        P3 aircraft       . . max (pdf)
        KA aircraft       _ min (pdf)               w’       qv’            at 0.5zi

         Vertical velocity anomalies
FC
I.1 Des observations pour définir les cas et évaluer les simulations explicites

• Evaluation des structures simulées par les LES vs obs radar et lidar

                           LIDAR                      MESO-NH                IHOP

• Evaluation des structures simulées par les LES vs obs avion        HAPEX Sahel:
                               3 km
                                                      - - R(w,θ)   Lothon et al. (2007)
                                                      __ R(w,q)    CL africaine sans nuage
                                                                     -- > Même échelle
                                                                     caractéristique

FC                                      LES simulation 11TU
        aircraft 09-12TU
I.1 Des observations pour définir les cas et évaluer les simulations explicites
  Evaluation des caractéristiques nuageuses simulées par les LES vs obs radar/lidar
nuageux et obs satellite.
                                                                              Evolution temporelle de la couverture nuageuse
     Horizontal distribution at the cloud-edge
        (Heus et al., 2008)

      LES        Aircraft
Lidar observations                                  w
            thermals

            LES                Obs                      total
                                                        water
                                                        vapour
                    SCMS case
                     (Small Cumulus Microphysics
                     Study, Floride 1995,
                    cumulus peu profonds)
                                                                                  AMMA 10/07/2006
                                                                                  (adapté de Couvreux et al. (2012)
                                                                                  et Guichard et al. (2012))
FC
I.1 Des observations pour définir les cas et évaluer les simulations explicites
     Premières observations de profils verticaux de TKE (anémomètre sonique ss
     ballon captif, lidar doppler) dans BLLAST pour évaluer les modèles de
     prévision
  BLLAST (été 2011)                                                                                                       BOURGES (été 2013)

                                               Evaluation d'AROM E :
                                               - bonne représenta tion du cycle d iurne d e la turbulence dans la CLA.
                                               - sous estim ati on d e la TKE dans AROM E p ar rapport aux observations

        Evaluation d'AROME :
        - bonne représentation du cycle diurne de la turbulence dans la CLA.
        - sous estimation de la TKE dans AROME par rapport aux observations
        Futurs travaux :
        - travailler dans des conditions différentes avec ces mêmes outils (couches
        limites stables, brouillards)
GC
I.1 Des observations pour définir les cas et évaluer les simulations explicites   MSG IRT
10 July 2006 event: daytime sequence
       Imagerie satellite AOC AMMA

                                                   12 h
            12.9°N
            14.2°N
                1.4°W         3.1°E

     no deep convection over a wide zone
     at noon                                                                m
                                                                          o
                                                                        zo
                           convective              18 h
                           event
                                                                  focus on a
                                                                  relatively
                                                                  small and
                                                                  short-lived
                                                                  convective
                                                                  event
                                                                  (such events
                                                                  are frequent)

FG
     development of daytime deep convection
I.1 Des observations pour définir les cas et évaluer les simulations explicites

      Estimations satellitaires de température de surface
          10 juillet 2006, autour de Niamey, ciel clair: MSG et MODIS
                                                             (∆x: 0.05 °)           (∆x: 1 km)

                                                                    Adapté de
                                                                    Lothon et al.
                                                                    (2011)

     Différences de LST entre MSG et MODIS non négligeables,
     cohérent avec Trigo et al. (2008), pb angle de visée MODIS
     Mais: structures spatiales et amplitude des fluctuations
     assez similaires
     Structures fortement reliées à celle du cumul des pluies des
     deux jours précédents
     Zone + chaude sur laquelle la convection est initiée

 Données pour guider la réalisation des simulations, e.g.
 prescrire des hétérogénéités de surface cohérentes/raisonnables
FG
I.1 Des observations pour définir les cas et évaluer les simulations explicites                                           FBe
       Analyse
    satellite entre
    30/08 et 01/09

          AMSRE 01/09 - 1328                TRMM 01/09 - 0103                    TRMM 31/08 - 1513       AMSRE 31/08 - 1246

SSMI F13 01/09 - 0622        SSMI F15 01/09 - 0609 SSMI F15 31/08 - 1733              SSMI F13 31/08 - 1700   SSMI F13 30/08 - 1801
I.1 Des observations pour définir les cas et évaluer les simulations explicites

               Simu AROME/ ANALYSE au pic d’intensité
             AROME 31/08 12TU                                                     ARPEGE +TRMM 31/08 12TU

                                                                FBe
I.2 Les simulations explicites: Simulations des Grands
Définition:
                             Tourbillons ou LES
Simulation à haute résolution telle que les structures principales soient résolues : différentes
résolutions selon l’objet étudié : de 250 m pour CL sahélienne à 10m pour les
stratocumulus
Avantages:
Fournit des champs 4D des variables thermodynamiques: diagnostics. Permet de tester des
schémas conceptuels.
                                                            Objectif:
Résout les structures cohérentes (peu dépendant des paramétrisations)
Test de sensibilité                                         Avantage des LES
Permet l’évaluation des paramétrisations (cadre contrôlé) Les différents diagnostiques
Depuis peu, accès à un grand nombre de cas
Limites:
- ne remplacent pas les observations -> besoin de validation
- paramétrisation du sous-maille (turbulence et microphysique).
--Pas de lien avec la grande échelle
-- restreint à certains cas (peut-être pas les plus problématiques?)

   Un set-up classique pour les simulations LES et 1D: exactement mêmes
   conditions limites et initiales
I.2 Les simulations explicites
    Un exemple: Développement de diagnostics orientés vers les
          paramétrisations à partir des simulations LES
        ARM                BOMEX

                                                        z

                                                      3km
              12km12.8km                6.4km
                                                                           entrainement ε
                                                                           détrainement δ
 IHOP         
              -- rc                                                      Cloud scheme
              -- w
                                                              f, w
                                                                     Thermal characteristics
                             Utilisation d’une
                  10km       analyse conditionnelle
  AMMA –12h                  pour–16h
                           AMMA    sélectionner les
                             thermiques
                                                      100m

                                                                α          1- α
                                                         From resolved thermals …
              100km        Couvreux et al (2010)         to parametrized thermals
I.2 Les simulations explicites
Comment définir les taux d’entraînement sur des bases physiques plutôt que géométriques?
 A. Forte influence des taux d’entraînement
                                                                                              LES
                                                            rt (g/kg)
                                                                                            δ= 0.002 m-1
                                                                                            ε = 0.4 δ
                                                                                            δ= 0.002 m-1
                                                                                            ε = 0.1 δ -1
                                Heures locales                                              δ= 0.001 m
                                                                                            ε = 0.4 δ
 B. Réflexion théorique sur la physique des processus pour proposer une relation
             β ∂w                                             Rio et al., BLM, 2010
                   1      u                  1        B
  ε = max ( 0,                )= max( 0,          ( a1 2 − b ) )
                 wu ∂ z                    1+ β 1     wu
 C. Utilisation de l’analyse                                       D. Validation de la formulation dans LES
 conditionnelle pour accèder aux
 paramètres internes des                                                         CS
 paramétrisations : 1/ vérifier que la                                           cloud
 relation e=f(dwu/dz) ou e=f(B/wu²) est possible                                 core
                                                                                 β 1 ∂ wu
 (même chose pour d)                                                        ε=
                                                                               wu ∂ z
 2/ déterminer les constantes a1, b, B1, c, et d                               a1 B
                                                                           ε=
                                                                              1+ β 1 w 2u
Limites des LES/CRM
  A. Exercice d’intercomparaison TWP-ICE         Fridlind et al., JGR 2012

      A 2.5 km, tous les CRM     A 7.5 km, chute observée à 20 dBZ non
      simulent le pic à 35 dBZ   sim. La surestimation est due au grésil

                                                               Varble et al., JGR
                                                               2011

B. Cas
RICO
Van Zanten et
al. 2011,
James

jpc
Système de prévision du temps Arome
Arome (physique MesoNh, dynamique non-hydrostatique Aladin) est utilisé pour la prévision
du temps opérationnelle sur la Métropole depuis décembre 2008 :
- 2.5km de résolution horizontale, 60 niveaux verticaux, 5 prévisions échéance ~30h / jour
- Cycle d'assimilation 3DVar à fréquence 3h. Analyse de surface spécifique
- Couplage horaire avec le modèle Arpege à 10.5km de résolution sur la Métropole
- Sauvegarde des prévisions: grille lat/lon 0.025° (pérenne), grille modèle (~2ans)

Futures configurations :
Début 2015: Arome-France 1.3km, 90 niv verticaux, assimilation 3DVar à fréquence horaire
2016: Arome Outre-Mer (2.5km), Prévision Ensemble Arome (2.5km), Arome PI (1.3km)

 Arome 2.5km (750x720 pts)       Arome 1.3km (1440x1536 pts)         Arome OM (en jaune)

Développement et validation de paramétrisations physiques :
- convection profonde, effets orographiques sous-maille, ...
- utilisation de l'archive opérationnelle,                                                 FB
- réalisation de simulations spécifiques (nouveaux domaines, diagnostics supplémentaires, ...)
I.3 Environnement 1D
• Des avantages et des limites connus:
+ : coût de calcul (nombreux tests possibles),
   souplesse technique, rapidité mise en place des
   cas, archétypes de situations météo, nombreux
   diagnostics, confrontation aux CRM/LES…
- : local, peu de cas, souvent +/- idéalisés, pas de
   couplage avec la dynamique, reproduction du
   comportement du GCM? Passage du 1D au 3D?
De + en + de simulations d’ensemble (AMMA,
   DICE…)
I.3 Environnement 1D
  - Limitation du 1D sans forçage d’altitude
    pour développer de la convection profonde
    avec un schéma en relaxation de la CAPE
PCMT produit dans ARPEGE 3D aux niveaux moyens et supérieurs par
chauffage diabatique une vitesse verticale résolue positive
(w*dθ/dz≈(dθ/dt)conv) et une anomalie positive de géopotentiel, ayant
pour conséquence de refroidir par la dynamique résolue (détente
adiabatique et advection horizontale d’air froid) donnant ainsi une
rétroaction positive de déstabilisation (comme pour tous les schémas de
convection d’ailleurs). Hors forçage de grande échelle, PCMT de par sa
capacité à reproduire l’évolution continue et lente de la convection (par
opposition au schéma antérieur par exemple) est particulièrement sensible
à cette rétroaction de déstabilisation qui est absente dans les simulations
1D sans forçage notoire d’altitude (cas EUROCS ARM-FG au contraire du
cas Derbyshire par exemple). Il est donc nécessaire de compléter les
simulations 1D par du 3D (en LAM par exemple).
                                                                  Jfg
I.3 Environnement 1D
                   Utilisation des cas 1D:
                      Au début, physique LMDZ dans Arpege1D
    Puis, chaque laboratoire a décidé de conserver son modèle: MUSC ou LMDZ1d
                 Adoption de formats communs d'entrées et de sorties

                                         MUSC
                                                                   Fichiers communs
                                                                   de sortie (netcdf)
      Fichiers communs
      de profils initiaux
      et de forçages
                                          lmdz1d

  Adoption des formats définis pour le cas AMMA (défini pour Embrace)

  Travail de portage de la physique LMDZ dans ARPEGE (1D, 3D)

    Cas de cumulus: RICO, Bomex, ARM-Cumulus
    Transition SC/Cu: ASTEX (reprise cadre Euclipse), transition composite (Sandu)
    Convection profonde sur océan: TOGA-COARE, TWP-ICE
    Convection profonde sur continent: eurocs_CVP_fg
    Convection en région semi aride: AMMA (Embrace)
I.4 Limites du 1D- Aller vers des stratégies d’évaluation intermédiaire
Forçages de grande échelle pour le développement et l’analyse des
paramétrisations

          Grande
          échelle

                              SURFACE

                                 SCM/LES                                               3D zoomé-guidé

                                                                             Dynamique et physique cohérentes et couplées
                 Dynamique et physique découplées

Randall et
Cripe (1999)

                                                                                                                     F. Cheruy
RICO
I.4 Limites du 1D-Aller vers des stratégies d’évaluations intermédiaires

             RICO-IDEALISEE                           PLUIE-OBS                                 Like-RICO-LMDZ

                                                                               LMDZzg

                                                                           (Forçage 3D=RF)

                                                                     Cas représentatif de RICO issu du GCM (J23 )
                                                                     -des différences dans les forçages (idéalisés ou non)
                                                                     -Compétition convection profonde/peu profonde
 RICO-Idéalisé pour évaluer le                                       (profonde non représentée dans le LES)
 développement des paramétrisations                                  -LES permet d atteindre des variables internes des
                                                                      paramétrisations (entrainement, detrainement …)
  F. Cheruy (thèse A. Catarino)
I.4 Limites du 1D-Aller vers des stratégies d’évaluations intermédiaires
       Evolution du rôle et du potentiel
   •
                  des     CRM:            CASCADE
       Cloud System Resolving Modelling of the
       Tropical Atmosphere
   •   Organisation de la convection tropicale-
       Interaction des petites et des grandes
       échelles spatio-temporelles, mal
       représentée dans les modèles.
   •   Augmentation de la puissance des moyens
       de calcul - CSRM haute résolution sur
       des domaines assez grands pour contenir
       les systèmes d’échelle synoptique.
       Exemple: résolutions horizontales: 1.5 km
       et 4 km sur domaines 4000 km E/O/1000
       km N/S, permet à la circulation de grande
       échelle de s’adapter à la convection.
   •   // nouvelles observations des
       nuages/précipitations
       sol/satellite structures du profil de
       chauffage et des nuages précipitants        Marsham et al. , GRL 2011
       tropicaux + évaluation des CSRM.
II
II.1 Evaluation multi-environnements au CNRM
      Les échelles des environnements climat et PNT
    NWP:
    Global ARPEGE                       LAM ALADIN                        LAM AROME
T1198c2.2L105 7.5-36 km              8 km, L70, 3DVar (3h)            1.3 km, L90, 3DVar (1h)
4DVar : 135 km and 50 km

-   Climat:
Global ARPEGE: likely resolutions for CMIP6: T127 (135 km) and T359 (55 km)
but also stretched configuration: T719C2.5 (12-70 km), T159C2.5 (50-300 km)
LAM ALADIN: 12km - 50km
LAM AROME: 2km
                               Wide and continuous range of simulated spatial scales
II.1 Evaluation multi-environnements au CNRM

                                 NWP and Climat ; global and LAM
       Surface           SURFEX (Masson et al., 13): surface modelling platform
      Radiation           RRTM (Mlawer, 97) + SW6 (Fouquart 80, Morcrette 01)
  Subgrid orographic                        Catry-Geleyn (08)
        effects
       Clouds                   PDF based: (Smith, 90) or (Bougeault, 82)
    Microphysics                 Bulk scheme with 4 prognostic variables for
                                        hydrometeors (Lopez, 02)
     Turbulence             1.5 order scheme prognostic TKE (Cuxart et al., 00)
    Mixing length          Non local, buoyancy based (Bougeault-Lacarrère, 89)
    PBL thermals                       PMMC09 (Pergaud et al., 09)
   Deep convection               New prognostic scheme PCMT (5 variables)
                                   (Piriou et al., 07) and (Gueremy, 11)

          Progressively introduced in operational NWP and Climat models:
              In green: operational in almost all configurations
              In blue: operational in NWP, validation phase in Climat
              In orange: validation phase in NWP and Climat
II.1 Evaluation multi-environnements
A hierarchy of configurations used to characterize (and better understand?) the
development of model errors :

 Strongly constrained                                                                       Weakly constrained

      1D model                  NWP                   Seasonal               AMIP                     CMIP
                         (short, medium range)     vs obs, analysis   vs: obs, reanalysis      vs: obs, reanalysis
   Initial conditions Evaluated vs obs, analysis     ocean initial        interactions             Interactions
     and forcings      + forecaster evaluation,       conditions,      between physics          between physics
                         Synoptic scales well                                                     and dynamics
      prescribed.                                    interactions       and dynamics
                              simulated,                                                        (including ocean)
 Evaluated vs Obs. Evaluation of fast physical     between physics
        and LES.              processes             and dynamics
  Local, few cases,       Sensitivity to initial
  no coupling with            conditions
       dynamics,
 Reproduction of the
  GCM behaviour?
II.1 Evaluation multi-environnements
                                   NWP evaluation
 Evaluation based on global forecasts starting from operational analysis and with full
 assimilation (4DVar and EDA):
 - Objectives scores on upper-air and surface parameters against observations and analyses
 - Diagnostic based on analysis increments, initial tendencies, etc.
 - Comparison to ground-based observatories, to satellite observations, etc.
 - Subjective evaluation by forecasters: focused on synoptic and high impact weather

                                                Forecast versus observed 24h
     24h Precipitation score against
                                             precipitation distributions comparison
       rain-gauges over France:
      BSS score (50km tolerance)                 (intertropical zone ; 1° by 1° ;
           July-August 2013                   TRMM 3B42 V7 ; July/August 2013)

                                                                              New

                                                                              Oper
         new                                ARPEGE

                                                                             (P. Chambon)
          oper

                                                          TRMM
II.1 Evaluation multi-environnements
                               Evaluation on West Africa
 Explicit simulations (Méso-NH model) vs Parameterized simulations at different horizontal
 resolution from 300km to 10km (Aladin model) on the same regional domain with the same
 initial and lateral conditions on observed case studies.

                   Hovmöller diagramm of the AMMA case (25-26 July 2009)
     Two successive MCS located ahead and in phase with the trough of an African Easterly Wave (AEW).

 Precipitation (mm h−1; colored areas) and meridional wind (contours: 2 m s−1 intervals; solid and dashed lines
 represent southerly and northerly wind respectively) are averaged between 8°N and 15°N.
                                                                    (D. Pollack, N. Ascensio, F. Beucher)
II.1 Evaluation multi-environnements au CNRM

   Evaluation climat
 • Wide range of configurations (regional/global, nudging/forced/coupled) and
   diagnostics :
                         T127 AMIP simulations [1979-2012]
  Annual precipitation biases vs GPCP    Circulation over tropical oceans [30°S-30°N]
                   CMIP5 physics

                                                                     PRE_AR6 runs:
                                                                     CMIP5 physics
                                                                     New physics
                                                                     __ ERAI
                                                                     --- MERRA
                    New physics

                                            - Improvement of dynamical regimes
 - Partially reduced double ITCZ            - Overestimation of strong subsidence regimes
 - Overestimation of convective RR          - Underestimation of weak ascendant regimes
 (East Pacific,Himalaya, ...)
 - Underestimation over Amazonia
II.1 Evaluation multi-environnements

La méthode Transpose-AMIP
 A methodology where climat models are used as NWP ones, designed for tackling with
 climate models biases related to fast processes (Xie et al. 2012, Williams et al. 2013, Ma et al. 2014).

New physics precipitation bias (July)
                                     - Importance of surface state initialization
– Reference GPCP                     with informations consistent with the surface
                                                       scheme for continental biases (not shown)

                                                       - TA method seems relevant for many biases
                                                       of the CNRM climate model
 M
 A

 I
 P

                                                       - Decomposition of rainfall biases between
                                                       thermodynamic and dynamics contributions
                                                       (cf III.1)--> insight in their origins,
                                                       identification of different processes in AMIP
                                                       and TA configurations.

                                                       - Analysis of terms contributing to the
                                                       budget equations in both frameworks (Amip
                                                       and TA). What are the predominant terms in
da
IP
M

ys
A
T

5
 –

                                                       a short-term forecast and in a long-
                                                       term/climate simulations ?

                                                                                                   K
II.1 Evaluation multi-environnements
                    Some challenges of seamless

    Different priorities (NWP vs Climat) for modelling some physical processes
   for instance 3D schemes for sub-kilometric model, chemistry for Climat
   Difficulty to develop multi-scales parametrizations
 for instance : lower entrainment in PCMT for NWP vs Climat (not shown)
 grey zones (resolved vs parametrized): convection ~5km, turbulence ~500m
   Algorithmics
 - Wide range of time steps:
     some successes obtained to increase stability: implicit solver for EDMF ;
       statistical scheme for hydrometeors sedimentation (Bouteloup et al. 2011)
     some challenges remaining (adapting microphysics scheme ICE3 used in the
       convective scale model to long time steps)
 - Avoid inappropriate sensitivity to spatial resolution
     some success: prognostic TKE turbulence scheme less sensitive than Louis's
       scheme to vertical resolution change
II.1 Evaluation multi-environnements
                                 Conclusions
    Convergence on physical parameterizations for NWP and Climat models is on track at
    Météo-France, but there are still some important steps to overcome ...

    Developing seamless parameterizations is challenging, in particular for convection

    Enhancing collaborations between NWP, Climat and process study communities around
    the development and validation of seamless physical parameterizations is beneficial
    (more expertise, diagnostics and resources)

    Multi-scales validation is useful to characterize the growth of model errors in climate
    models, BUT it remains difficult to make improvements in physical parameterizations
    reducing model errors in climate models.

    Research needed on the improvement of physical parameterizations. One way forward:
    synergy between explicit simulations on larger domain (LES, CSRM) and observations to
    develop better physically based parameterizations
II.2 Sorties haute-fréquence sur sites

       Exemple d’utilisation des sorties
                            Cycle diurne et couplage
                   Cfsite thermodynamique

   CMIP5 cfSites
   • locations where
   ground data
   available
   • sample the gradient
   • high frequency long
   term observations
   (valuable e.g. for
   diurnal cycle)
II.2 Sorties haute-fréquence sur sites
      Un second exemple: bilans d’énergie de surface
                                                  comparison of the surface radiative fluxes SWin , SWup , LWin ,
                                                   LWup, Rnet and precipitation. Each color identifies a model,
OBS                                               and each horizontal segment corresponds to a different year.
                                                   The values correspond to a 2-month average, spanning mid-
                                                                     July to mid-September.

CMIP5

                          Annual cycle of surface net radiation (left column), incoming
                       shortwave flux (middle column) and incoming clear sky shortwave
                       flux (right column) in observations and CMIP5 amip simulations.
                         The different curves correspond to different years (about 30 in
                          simulations). (Here, only the Agoufou cfSite point is shown)
Profils normalisés pour comparer les schémas MF de CVPP

                                                       Simulations :
                                                              o Domaines de 100*100 autour
                                                                des 5 sites RS
                                                              o 365 simulations de 30h
                                                                initialisées par l'analyse
                                                                AROME
                                                              o 4 configurations
                                                       Résultats :
Cycle diurne moyen sur un an et sur 5 sites de                o Impact faible du schéma sur
la PBLH simulée avec 4 schémas de CVPP
                                                                la PBLH
                                                              o Différence obs/modèle
                                                                supérieure à différences entre
                                                                modèles
                                                       Perspectives :
                                                              o Sélection des cas où la
                                                                différence est la plus forte
                                                              o Documentation des
                                                                différences entre les schémas

Profil vertical de Hu moyen sur un an et sur 5 sites
Hauteur normalisée par la PBLH                                                     SR
Uniquement profils entre 10UTC et 18UTC
Comparaison des schémas de nuages

        Comparaison des schémas de
                 nuages

                     STAT                  DIRE                   BIGA

3 schémas de nuages disponibles                            Profil normalisé
Profils normalisés identiques                              moyen sur 1 an, 5 sites
Nuages non détectés par les RS (Hu
II.3 Simulateurs d’observables
                                       RTTOV
RTTOV: Modèle de transfert radiatif peu couteux des instruments satellitaires dans visible,
infrarouge et microonde (radiomètres, spectromètres, interféromètres) : 40 types de
satellites supportés (Meteosat, GOES, Metop, NPP, TRMM, Calipso, etc.), 75 types
d'instruments (AMSU, HIRS, SSMI, MODIS, IASI, Seviri, etc.)
Développé par Met Office, ECMWF, KNMI, Meteo-France ds le cadre SAF NWP (Eumetsat)
Utilisation : Assimilation de données ; Validation de modèles

 En haut : Températures de brillances (Kelvin) mesurées par SAPHIR à la fréquence 183.31 +/-1.1
 GHz pendant une période de 6h pour le réseau ARPÈGE du 13 Octobre 2012 12h00UTC.
 En bas : Températures de brillances simulées à la même fréquence à partir du modèle ARPEGE.
                                                                                              fb
II.3 Simulateurs d’observables Californie CALIPSO JFM
             Histogrammes

  Observation      CMIP5-31         CMIP5-70        PCMT-70

       Histogrammes Californie CloudSat et Calipso JFM
  Observation     CMIP5-31          CMIP5-70        PCMT-70
II.3 Observations satellite pour l’évaluation des paramétrisations

                                                                 jmp
Utilisation de données satellites pour l'évaluation des paramétrisations
orientée vers les processus
Illustration : Relation entre profondeur de la convection et l'humidité
dans la troposphère (Del Genio et al. 2012, Jclim)
Processus de « recharge-décharge » dans la MJO
                                                       CTH=f(CWV) entre -14 et -10

                          Compositage des données
                          de l'A-Train sur les
                          évènements MJO

                                                    Transition from shallow to deep
                                                    beginning at CWV ; 46 mm
Test de sensibilité à l'entraînement dans GISS-E2
             CTH=f(CWV) entre -14 et -10                             CTH=f(CWV) entre -14 et -10
             dans les observations                                   dans GISS-E2

 The more weakly entraining plume transitions from shallow to deep convection at CWV values lower
 than observed, while the more strongly entraining plume simulates the transition at approximately the
 correct value of CWV.
II.4 Perspectives
                                 Réanalyses
Poursuite des activités de réanalyses atmosphériques et océaniques (allongement de la
durée, amélioration de résolution et de l'assimilation). Plusieurs d'entres-elles fournissent
des ensembles d'analyses.

Réanalyses globales principalement utilisées :
- JRA-55 (1958-2012)
- NOAA/CIRES 20th century reanalysis (1871-2011)
- ECMWF ERA-Interim (1979-2014)
- NOAA/NCEP reanalysis (1979-2014)
- NASA/GMAO “MERRA” (1979-2014)

Réanalyses globales en cours ou prévues :
- MERRA2 (1980-2014),
- ERA-20C/Land (1900-2010), ERA-SAT/Land (1979-)
- CERA-20C/Land (1900-2010), CERA-SAT/Land (1979-) couplé avec océan

Réanalyses régionales :
- NCEP North American Regional Reanalysis (NARR) (1979-2014)
- UERRA / FP7 : en cours
- etc.
II.4 Perspectives
                              Opportunités
Observations :
- Lidar vent spatial (Aeolus en 2015)
- Sondeur hyperspectraux infra-rouge sur
satellite géostationnaire (MTG en 2020)
- Nouveau type d'observations : EarthCare (lidar+radar), ...

WCRP Grand Challenges: major area of scientific research, modelling, analysis, observations
- Regional Climate Information
- Regional Sea‐Level Rise
- Changes in Cryosphere
- Clouds, Circulation and Climate Sensitivity
- Water Availability
- Climate extreme

WWRP projets:
- High-Impact Weather (HIW)
- Sub-seasonal to seasonal (S2S)
- Polar Prediction Project 2013-2022 (PPP), lien avec WCRP Polar Climate Predictability
Initiative (PCDI) ; Year of Polar Prediction YOPP (2017-2019)
III
Introduction: Biais persistants malgré les améliorations
                    dans la représentation des processus

The Southern ITCZ index (SI) (Bellucci
et al. 2010):
Annual mean precipitation in a box
between 20S-0, 100W-150W

                                                 Changement de perspectives DEPHY1/DEPHY2
                                              pour améliorer
                                              les modèles. Travailler sur les couplages. Méthodes
                                              pour analyser et décortiquer
                                              ces couplages.
III.1 Couplages convection/circulations de grande échelle
                             The double-ITCZ syndrome – Dynamical regimes

                              %
                                               CMIP5
 PDF of daily ω500

                                                                          mm day-1

                                                          PDF*Composite
   Composite precipitation

                              mm day-1

                                             CMIP5 mostly outside the range of uncertainty
4. Precipitation and the double ITCZ

                             The double-ITCZ syndrome – Dynamical regimes

                              %
                                               CMIP5
 PDF of daily ω500

                                                                          mm day-1

                                                          PDF*Composite
   Composite precipitation

                              mm day-1

                                             CMIP5 mostly outside the range of uncertainty
                                             Strongly-convective component of the double-ITCZ bias
                                             is different between AMIP and short-term TAMIP runs
4. Precipitation and the double ITCZ

                             The double-ITCZ syndrome – Dynamical regimes

                              %
                                               CMIP5
 PDF of daily ω500

                                                                          mm day-1

                                                          PDF*Composite
   Composite precipitation

                              mm day-1

                                             CMIP5 mostly outside the range of uncertainty
                                             Strongly-convective component of the double-ITCZ bias
                                             is different between AMIP and short-term TAMIP runs
                                             Bias in the dynamics needs more than 20 days.
III.1 REPRESENTER LA CIRCULATION DE GRANDE
ECHELLE DANS LES SCM ET LES CRM
Raymond and Zang (2005) utilisent l’approximation WTG (Weak-temperature-gradient)
fondée sur la faiblesse des gradients horizontaux de température observés dans la troposphère
tropicale (hors CL). Cette approximation fournit de quoi calculer la vitesse verticale dans une
colonne atmosphérique si un profil thermique tropical moyen, est connu (Bretherton and Sobel,
2000).

D’autres approximations utilisées: DGW (damped-gravity-wave, Kuang 2008; Blossey et al.
2009; Romps, 2012) où la réponse dynamique de l’atmosphère à une perturbation du profil
thermique est représentée comme une onde de gravité dans une atmosphère sans rotation.
Relation w grande échelle/anomalies de température:

Paramètres-clef pour couplage des anomalies de température et du mouvement vertical de
grande échelle: WTG (tau, échelle de temps), DGW (k, nombre d’ondes).
Effet de la vitesse verticale de grande échelle paramétrée sur les variables thermodynamiques
(ex: T, q…).
Utilisation de ces approximations avec CNRM-CM et LMDz dans le cadre EMBRACE.
Projet GASS-WTG (Wang et al., 2013): analyse des méthodes WTG et DGW, forces,
faiblesses…
III.1
+ RCE/GCM Agrégation/Organisation de la convection (thèse LMD, D. Coppin)
Méthodologie et outils:
•utilisation d’aquaplanète à l’équilibre radiatif-convectif (RCE) sans rotation en
SST fixes (ou interactives) : cadre simplifié pour comprendre plus facilement
les mécanismes qui régissent l’organisation de la convection
•bilan d’énergie utilisant l’énergie statique humide pour comprendre les
rétroactions
+ Analyser lien convection profonde-circulation de grande échelle dans les
Tropiques dans une hiérarchie de modèles. Caractériser et évaluer le
chauffage dans les modèles 1D et 3D. Imposer un profil de chauffage dans une
région donnée en mode TA , puis 3D (thèse CNRM, A. Ahmat-Younous).
+ Evaluer la représentation des ondes d’est africaines via une approche
statistique (approche en bilan permettant de quantifier interactions processus
de petite échelle/dynamique de l’onde en mode AMIP et TA) et des études de
cas. Modifications académiques de la physique dans le modèle 3D guidé à
l’extérieur de l’AO (sujet CNRM).

…
III.2 Couplage surface-atmosphère
                      Méthodologie DICE pour évaluer le couplage:
                      Diurnal land/atmosphere coupling experiment
                      Campagne de terrain CASE-99 dans le Kansas, pour évaluer
                      l'intensité du couplage surface/atmosphère.
                      3 jours et 3 nuits du 23 au 26 octobre 1999
                      3 nuits différentes au niveau turbulence

     SCM
                                                      SCM1         SCM2          SCM3
           Stage 1b                SCM

Observations

                                   LSM
           Stage 1a                                  LSM1          LSM2          LSM1

     LSM

Stage 1:                                               Stage 3:
                              Stage 2:                 Sensibilité SCM & LSM au couplage
LSM & SCM évalués             SCM & LSM couplés
séparément                                                              D'après Adrian Lock
III.2 Couplage surface-dynamique

•   Pour GABLS4 même type de méthode sauf :
     – Surface plus simple à initialiser, temps de réponse plus faible.
     – Flux surface (HS,LE) beaucoup plus faible       étude de l’interaction
        plus difficile ? Plus dépendante de la résolution verticale ?   Forcage
        en Ts et non en flux     moins contraint que dans DICE
     – Pour la friction incertitude sur le z0=0.01m, pas de Ustar prescrit ?
        Est ce une faiblesse ?
•   Serait-il souhaitable de prévoir un ensemble de SCM forcés par les flux
    issus des LSM forcés par les obs ? Avec une discrétisation verticale
    fixée ? Afin d’étudier mieux la sensibilité de la CLA aux schémas utilisés
    ?
           http://www.cnrm.meteo.fr/aladin/meshtml/GABLS4/GABLS4.html
III.2 Couplage surface-dynamique
                                  Approche zoomée-guidée :
               Les variables de grande échelle sont rappelées vers les analyses.

                                                           Fig. 3 Monthly means time series for the 2-m temperature,
                                                           2-m relative humidity. The grey shaded area corresponds
                                                           to the min and max monthly mean values of 8
                                                           neighbouring Meteo-France stations

                                        SIRTA             The comparison to SIRTA measurements further shows
                                                          the interest of the NZ configuration of LMDZ. Thanks to
                                                          nudging, the simulations are able to follow the observed
                                                          inter-annual to seasonal variability, but clear biases arising
                                                          from model errors remain. They show a marked signature
                                                          characteristic of each configuration in agreement with
                                                          Coindreau et al. (2007), who already underlined that despite
                                                          nudging model results were highly sensitive to the
                                                          parametrizations of the boundary layer and surface
                                                          processes. (Cheruy e al . Clim Dyn 2013)
Approche multi-modèles pour comprendre les
                                  biais:
            Cas du biais chaud estival aux moyennes latitudes
                                                                    Cheruy et al., GRL 2014
BIAS AMIP

                                                                      Indice de couplage

              BIAS COUPLE   Evaporative Fraction   SW CRE

                                                                         BIAIS

                                                            •   Strong correlation among models
                                                                between the near-surface
                                                                temperature bias in the AMIP and
                                                                historical experiments. Coupling
                                                                with ocean results in a systematic
                                                                cooling, probably linked to error
                                                                compensations or model tuning but
                                                                the bias structure is not distorted.
                                                            •   Systematic summer warm biases in
                                                                regions of strong soil-atmosphere
                                                                coupling
                                                            •    Most biased models underestimate
                                                                evaporative fraction and clouds
III.3 Couplages nuages/autres paramétrisations

         Cloud model development:                                             Jam et al., BLM, 2013
 -> use of the CS to understand the distribution -> 1. each mode -> envmt/thermal
                                                    2. Each mode has ~gaussian distribution
                                                    3. Propose a parameterization for their std

                                                 ARM
                     Environment
                                                 Thermal

                                                           g/kg
     Distribution bi-gaussienne dépend de 5 paramètres:
     ->α, s_th, s_env already defined
     by the thermal mass-flux model
     σs_th, σs_env must be parameterized
2. Use the CS to improve boundary-layer schemes
     Cloud model development:
-> use of the CS to evaluate the proposed parameterization :

   ENV              TH         TOTAL

                                                        Importance of α dependency
                                                      Good representation of the variance
III.3 Improvement of the cloud scheme
                             Saturation deficit distribution

                                                                                           Perraud et al, BLM, 2011

                                                                                           Larson et al (2001), Golaz et al (2002)
                                                                                              Double gaussian
                                                                                               (linear combination of two
                                                                                             simple Gaussian distributions)
Statistical analysis of
BL clouds to
characterize the
                                                                                                             Sc,transitions,…
distribution of horizontal
subgrid cloud variability
                                                                                                                              Cu

                                              2nd mode

                                                                                           Turbulence                   Shallow
                                                                                           scheme                      convection
                                                                                                                        scheme
                                                               Conditional sampling                                  (Pergaud et al.,
                                                               (Couvreux et al., 2010)
                                                                                                                          2009)
                                                                 Whole domain
  Non symetric bell                                              Thermals
  shaped curves
                                                                 Environment (clear sky)
- Intérêt expériences de labo pour dév/validation (A. Paci)
    échanges entre communautés qui facilitent l’apport de nouveaux concepts
théoriques
- complément aux obs (obs d’un écoulement réel avec un bon contrôle des
conditions de l’écoulement)
-Nécessite de grandes installations (Re grand) + capacité à générer des
écoulements stratifiés
-----------------------------------------------------------------------------------------
- Aboutir au niveau national à un site Web regroupant les LES dont les
fichiers pourraient être téléchargeables par tous.
-Utilisation des données SIRTA pour évaluer Méso-NH?
- Maintien d’une liste à jour des projets actifs GASS/GLAS + points de
contact dans les labos? Représentation de la communauté DEPHY dans les
projets d’intercomparaison?
Intercomparaisons GASS /
            GLASS (en cours)
- CIRC : Continual Intercomparison of Radiation Codes
http://circ.gsfc.nasa.gov/
- MJO : Diabatic Heating Project
http://yotc.ucar.edu/mjo/vertical-structure-and-diabatic-processes-mjo
- Grey Zone Project : Cold Air Outbreak Intercomparison Case
http://www.knmi.nl/samenw/greyzone
- DICE : DIurnal land/atmosphere Coupling Experiment
http://appconv.metoffice.com/dice/dice.html
- Proto-GASS case about Polar airmass transition
 http://www.mpimet.mpg.de/en/mitarbeiter/4960/arctic-air-scm-intercomparison.html
- WTG : Weak temperature Gradient project
http://www.met.reading.ac.uk/~fj019034/WTG_project/
- CAUSES : Clouds Above the United States and Errors at the Surface
http://portal.nersc.gov/project/capt/CAUSES/
- KID-A : Kinematic Driver for microphysics intercomparison
http://appconv.metoffice.com/microphysics/index.shtml
- GABLS-4 : GEWEX Amospheric Boundary Layer Study
http://www.cnrm.meteo.fr/aladin/meshtml/GABLS4/GABLS4.html
Vous pouvez aussi lire