" 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 paramétrisationsI. 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
FCI.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 09-12TUI.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))
FCI.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)
GCI.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 convectionI.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
FGI.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 - 1801I.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
FBeI.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 initialesI.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 thermalsI.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 2uLimites 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
jpcSystème 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).
JfgI.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. CheruyRICO
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 scalesII.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 ClimatII.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
TRMMII.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 AmazoniaII.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 ?
KII.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 changeII.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 parameterizationsII.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 18UTCComparaison 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 (HuII.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.
fbII.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-70II.3 Observations satellite pour l’évaluation des paramétrisations
jmpUtilisation 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 mmTest 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 uncertainty4. 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 runs4. 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 LockIII.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.htmlIII.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 cloudsIII.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 parameterized2. 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 varianceIII.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.htmlVous pouvez aussi lire
