" Approches et méthodologies pour le développement des paramétrisations physiques " - Laboratoire de météorologie dynamique
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
« 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