VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC

VALEUR AJOUTÉE DANS LE MRCC: VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX COMPARAISON DE LA PRÉCIPITATION AUX

ÉCHELLES DU MGCÉCHELLES DU MGC

Alejandro Di LucaAlejandro Di Luca

Directeur: Directeur: René LapriseRené Laprise

Co-directeur: Co-directeur: Ramón de ElíaRamón de Elía

29 Août 2008

Université du Québec à Montréal

Plan de la présentation Plan de la présentation 1.1. MRC vs MCGMRC vs MCG

D’où peut venir la valeur ajoutée (VA)?D’où peut venir la valeur ajoutée (VA)? VA comme fonction des échelles spatialesVA comme fonction des échelles spatiales

2.2. Comparaison de la précipitation aux échelles du Comparaison de la précipitation aux échelles du MGC: modèles vs observations.MGC: modèles vs observations.

3.3. MRC Canadien vs MCG CanadienMRC Canadien vs MCG Canadien Cycle annuelCycle annuel Histogrammes quotidiennesHistogrammes quotidiennes Evénements les plus extrêmesEvénements les plus extrêmes

4.4. Discussion des résultats. Discussion des résultats. § Incertitudes de l’étude.Incertitudes de l’étude.

33

MRC vs MGC: D’où peut venir la valeur ajoutée?MRC vs MGC: D’où peut venir la valeur ajoutée?

MRC à plus haute résolution

• Discrétisation plus exact d'équations Avantage

Avantage

Désavantage

• Meilleure représentation des forçages de surface

Topographie, régions côtières, effets de lacs et autres

Erreurs dans conditions latérales au frontière (Diaconescu et

al. 2007)

Technique de pilotage utilisée peut introduire des erreurs

Mais, ils résout un domaine limité

Hypothèse: la région 3 comprend des échelles spatiales qui

sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC (Laprise (2003), Feser (2006)).

Longueur d’onde

321

Modèle Global

Adapté de Laprise (2003)

Modèle Régional

Échelles d’intérêt

OBJECTIF général:OBJECTIF général: étudier la valeur ajoutée dans des simulations du MRC pour des statistiques quotidiennes de précipitation dans la région 3

55

Approche objectif général: comparaison aux échelles du MGCApproche objectif général: comparaison aux échelles du MGC

Climat du MGC : CGCM3.1Type: spectral Res Hor..: T47 (approx. 3.75° lat-lon)

Climat MRC

Climat MGC

Climat observé

Statistique climatique

VALEUR AJOUTÉE

66

Climat du MGC : CGCM3.1

Climat du MRC version MRC_V4.2.0Type du modèle: point de grille Res. Hor.: 45 km at 60°Domaine: 201 x 193 (AMNO)Pilotée par CGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec pilotage spectral


Climat MRC

Climat MGC

Climat observé


VALEUR AJOUTÉE

77

Climat MRC

Climat MGC

Climat observé


VALEUR AJOUTÉE

Approche à utiliser: étudier des séries temporelles moyennées spatialement sur des régions incluants

1 point de grille du MGC

4 points de grille du MGC

Climat du MGC : CGCM3.1

Climat du MRC version MRC_V4.2.0Pilotée par CGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec lsn

Climat Observé : stations d’Environnement Canada.

= 60 stations~ 60 MRC points 1 MGC point

*--- Moyenne spatial des données

journalières

**

* **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

*

*

** **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

* **

*

***

*

*

*

* **

= 60 stations~ 60 MRC points 1 MGC point

*--- Moyenne spatial des données

journalières

*= 60 stations~ 60 MRC points 1 MGC point

*---*--- Moyenne spatial des données

journalières

**

* **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

*

*

** **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

* **

*

***

*

*

*

* **

** **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

*

*

** **

**

*

***

* *

*

*

* **

* *

*

*

* **

**

*

*

* *

*

*

* **

*

***

*

*

*

* **


Approche pour les autres forçagesApproche pour les autres forçages

VariableVariable Précipitation

Forçage de surface:Forçage de surface: 5 régions différentes au Canada

1 2 3 4

5

1 point de grille

du MGC

4 points de grille

du MGC

VariableVariable

Précipitation

Forçage de surfaceForçage de surface

5 régions différentes

Statistiques climatiques (1971 - 1990) 1990)

Moyennes mensuelles Etudier le cycle annuel

Distributions de fréquence d’intensité

Événements plus extrêmes

Circulation atmosphériqueCirculation atmosphérique

Différentes saisons (DJF, MAM, JJA, SON)

Approche pour les autres forçagesApproche pour les autres forçages

MOYENNE MENSUELLE DE PRÉCIPITATIONMOYENNE MENSUELLE DE PRÉCIPITATION

REGION 1

REGION 5

REGION 4

MRCC (pilote: CGCM)MRCC (pilote: NCEP)

MGCCOBS

REGION 2

Seuil (mm/jour)Seuil (mm/jour)1111

HIVER (DJF) - REGION 1HIVER (DJF) - REGION 1F

réq

uen

ce

(%)

Fré

qu

ence

(%

)

HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERESHISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES

MRCC (pilote: CGCM)MRCC (pilote: NCEP)

MGCCOBS

Seuil (mm/jour)Seuil (mm/jour)1212

Fré

qu

ence

(%

)F

réq

uen

ce

(%)

REGION 2

REGION 4

REGION 3

REGION 5

HIVER (DJF)HIVER (DJF)


MRCC (CGCM)MRCC (NCEP)

MGCCOBS MRCC (CGCM)

MRCC (NCEP)

MGCCOBS

1313

Seuil (mm/jour)Seuil (mm/jour)

Fré

qu

ence

(%

)F

réq

uen

ce

(%)

ÉTÉ (JJA) - REGION 1ÉTÉ (JJA) - REGION 1



MGCCOBS MRCC (CGCM)

MRCC (NCEP)

MGCCOBS

Seuil (mm/jour)1414

Fré

qu

ence

(%

)

REGION 2

REGION 4

REGION 3

REGION 5

ÉTÉ (JJA)ÉTÉ (JJA)



MGCCOBS MRCC (CGCM)

MRCC (NCEP)

MGCCOBS


ACCORD ENTRE DONNÉES SIMULÉES ET OBSERVÉESACCORD ENTRE DONNÉES SIMULÉES ET OBSERVÉES

• S:S: Mesure le degré de chevauchement entre deux

histogrammes

HIVER (DJF)HIVER (DJF)

Région Région

S = 1 pour deux histogrammes égales( ) ( )( )∑=

=n

1xobsmod xPxPminS ,

REPRESENTATION DES JOUR SECSREPRESENTATION DES JOUR SECS

ÉTÉ (JJA)ÉTÉ (JJA) HIVER (DJF)HIVER (DJF)

Région Région

€

Rmod = Jour Secsmod

Jour SecsobsJours secs:Jours secs: événements avec un événements avec un taux de précipitation < 1 mm/jourtaux de précipitation < 1 mm/jour

1717

40

30

20

10

0

Région Région1 2 3 4 5 1 2 3 4 5


Evaluation des événements les plus intenses.

5% de données journalières sont plus grandes que le percentile 95%

Tau

x d

e p

réci

pit

atio

n (

mm

/jou

r)PERCENTILE 95 %PERCENTILE 95 %


MGCCOBS MRCC (CGCM)

MRCC (NCEP)

MGCCOBSHIVER (DJF)HIVER (DJF)

En général, les deux modèles (MRCC et MGCC) montrent

des performances semblables pour simuler :

Cycle annuel (moyennes mensuelles)

Histogrammes de précipitation en hiver

En été, histogrammes caractérisés par

1. Sous-estimation d'occurrence "de jours secs"

2. Surestimation d'occurrence de précipitation faible

3. Sous-estimation d'occurrence d’intense précipitation

Presque indépendamment de la région, ce schéma de

déviations est plus prononcé dans le MRCC

RÉSUMÉ DES RESULTATSRÉSUMÉ DES RESULTATS

Rien ne prouve qu’il existe de la valeur ajoutéeRien ne prouve qu’il existe de la valeur ajoutéedans les simulation du MRCCdans les simulation du MRCC

Pourquoi pourrait-on attendre l’existence de valeur ajoutée

dans les échelles étudiées?

DISCUSSIONDISCUSSION

Hypothèse: La région 3 comprend des échelles spatiales qui

sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC

Sûrement valide dans le cas des variables instantanées (Pielke (1991), Laprise (1992), Walters (2000)).

Et pour des variables moyennées temporellement?

Dans notre étude, les résultats du MGCC dans des différents domaines (1 et 4 points de grille) semblent montrer des performances similaires

L’hypothèse ne semble pas être appropriée

Revers de l’approche utilisée La performance relative des statistiques simulées par les

deux modèles est déterminée en comparant les valeurs

simulées avec les observées.

DISCUSSIONDISCUSSION

Mais un modèle peut produire des « bons » résultats pour

les mauvaises raisons.

Exemple, résultats du MRCC piloté par le MGCC et par

les réanalyses Comment est-t-il donc possible d'obtenir de "meilleurs" résultats

en utilisant des données de pilotage d’une qualité inférieure?

Les erreurs dans les CFL doivent nécessairement être

compensées par le MRCC.

Références

INTRODUCTION

•Denis, B., J. Côté and R. Laprise, 2002a: Spectral Decomposition of Two-Dimensional Atmospheric Fields on Limited-Area Domains Using the Discrete Cosine Transform (DCT). Mon. Wea. Rev., 130, 1812-1829.•Diaconescu, E. P., R. Laprise and L. Sushama, 2007: The impact of lateral boundary data errors on the simulated climate of a nested Regional Climate Model. Clim. Dyn. 28(4), 333-350. •Laprise, R., 2003: Resolved scales and nonlinear interactions in limited-area models. J. Atmos. Sci., 60(5), 768-779.

METHODOLOGIE

•Durman, C. F., J. M. Gregory, D. C. Hassell, R. G. Jones et J. M. Murphy. "A comparison of extreme European daily precipitation simulated by a global and a regional climate model for present and future climates. Q. J. R. Meteorol.Soc., 127, 1005-1015, 2001.

•Feser, F., 2006: Enhanced Detectability of Added Value in Limited-Area Model Results Separated into Different Spatial Scales. Mon. Wea. Rev., 134, 2180–2190.

Gutowski, W. J., S. G. Decker, R. A. Donavon, Z. Pan, R. W. Arritt and E. S. Takle, 2003: Temporal-spatial scales of observed and simulated precipitation in central U.S. climate. J. Climate, 16, 3841-3847.•Laprise, R., R. Jones, B. Kirtman, H. von Storch and W. Wergen, 2002: Atmospheric regional climate models (RCMs): A multiple purpose tool? Report of the « Joint WGNE/WGCM ad hoc Panel on Regional Climate Modelling », 19 pp.

RESULTATS

•Kunkel, K.E., K. Andsager, X.Z. Liang, R.W. Arritt, E.S. Takle, W.J. Gutowski, and Z. Pan, 2002: Observations and Regional Climate Model Simulations of Heavy Precipitation Events and Seasonal Anomalies: A Comparison. J. Hydrom., 3, 322–334.

•Oreskes N., K. S. Shrader-Frechette and K. Belitz, 1994: Verification, Validation, and Confirmation of Numerical Models in the Earth Sciences. Science, 263, 641–646.

•Paquin D., D. Caya and R. Laprise, 2002: Treatment of moist convection in the Canadian Regional Climate Model. Ouranos, Équipe Simulations climatiques. Rapport interne no 1, 30 p.

Merci d’être venu

Documents

VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC