Download ppt - 1 Méthode de désagrégation statistico-dynamique adaptée aux forçages atmosphériques pour la modélisation de l'Océan Atlantique développement, validation

1

Méthode de désagrégation statistico-dynamique adaptée aux forçages atmosphériques pour la

modélisation de l'Océan Atlantique développement, validation et application au climat présent

Marie Minvielle

Thèse effectuée au CERFACS sous l'encadrement deLaurent TERRAY et Christophe CASSOU

14 septembre 2009

2

1. Introduction

La modélisation numérique est le principal outil mis à disposition des scientifiques pour étudier le système climatique dans son ensemble (océan, atmosphère, sols, …).

Biais dans les modèles de climat, dans leur représentation de l’état moyen et variabilité climatique, notamment dans la composante océanique.

Erreur moyenne annuelle zonale de SST (°C) 1980-1999

IPCC 2007

Le GIEC (Groupe d’Experts Intergouvernemental sur l’Evolution du Climat) vise à synthétiser les travaux sur l’étude du climat réalisés dans des laboratoires du monde entier.

Pôle Nord Pôle Sud

33

1. Introduction

Origine des biais océaniques dans les modèles couplés

La résolution trop basse de la composante océanique dans les modèles couplés Modèle climatique Modèle d’océan plus

haute résolution

2° 0.25°

- Meilleure représentation de la bathymétrie - Amélioration de la circulation générale océanique, principaux courants - Processus petite échelle: upwelling côtiers, activité tourbillonnaire méso- échelle (convection, restratification, transport de chaleur,…)

Les biais dans la représentation des variables de surface atmosphériques

(m)

Comment contourner ces difficultés?

4

1. Introduction

Développer une méthode permettant une meilleure estimation de l’état moyen et de la variabilité océaniques sur l’Océan Atlantique par la réduction des biais systématiques des modèles couplés.

Objectif

5

Atlantique nord

Variabilité climatique dans l’Océan Atlantique

Le climat dans le bassin atlantique varie à toutes sortes d'échelles spatio-temporelles.

Atlantique tropical

Dans les tropiques, la variabilité de l’océan résulte principalement de

processus couplés océan/atmosphère.

Mode méridien atlantique

Chiang et Vimont (2004)

Aux moyennes et hautes latitudes, l’océan répond principalement au forçage atmosphérique.

Kushnir et al. (2002)

DD

AA

Oscillation Nord Atlantique (NAO)

1. Introduction

6

1. Introduction

Réduire l’erreur sur les variables de surface : Utiliser les variables atmosphériques de grande échelle pour reconstruire par relation statistique un jeu de variables de surface « débiaisé ». - Les variables atmosphériques de grande échelle sont communément admises comme les sorties les plus robustes des modèles couplés - La variabilité atmosphérique de grande échelle est fortement liée à la variabilité océanique

Utiliser un modèle d’océan plus haute résolution que la composante océanique classique dans les modèles climatiques du GIEC

Développer une méthode permettant une meilleure estimation de l’état moyen et de la variabilité océaniques sur l’Océan Atlantique par la réduction des biais systématiques des modèles couplés.

Objectif

7

1

2

3

4

Introduction

Principe général de la méthode

Application au modèle couplé CNRM-CM3

Conclusions et perspectives

5

PLAN

Construction et validation du modèle statistique

6

Liens entre la dynamique atmosphérique de grande échelle et les variables de surface

8

2. reconstruction

circulation atmosphérique de grande échelle

Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE

MODELE OCEANIQUE"Haute" résolution 0.25° - 0.5°


2. Principe général de la méthode

9


Modèle statistique

OBSERVATIONS

Base du modèle statistique: liens entre circulation atmosphérique

de grande échelle et variables atmosphériques à la surface de l'océan

Hypothèses:

1) La variable atmosphérique de grande échelle utilisée est discriminante pour la variable de surface

2) La relation statistique entre la circulation atmosphérique de grande échelle et les variables atmosphériques de surface est stationnaire dans le temps


10


Vautard, 1990

Les régimes de temps

Variable atmosphérique de grande échelle

Groupes de jours de conditions

atmosphériques proches

Centroïde

Centroïde

Valeurs journalières

N régimes de temps

Circulation atmosphérique de grande échelle

Approche choisie : régimes de temps

Pour chaque régime de temps sont associées des conditions atmosphériques de surface différentes

Il est possible de reconstruire les conditions atmosphériques à la surface connaissant l’état atmosphérique de grande échelle

11

UV10

T2

Q2

radLW

radSW

P

R

Variables atmosphériques de surface à reconstruire

Processus entrant en jeu dans le forçage de l’océan : - flux turbulents : tension de vent , chaleur latente et sensible - flux radiatifs: infrarouge + solaire - flux d’eau douce : précipitations + eau douce continentale - évaporation

Vent à 10m

Humidité de l’air à 2m

Rayonnement solaire

Rayonnement infrarouge

Précipitations

Apports d’eau douce continentaux

Température de l’air à 2m


12

1

2

3

4

Introduction




5

PLAN


6


13

Objectif : s’assurer de l’existence, dans les observations, de liens forts entre les régimes de temps et les variables de surface à différentes échelles de temps :

- journalière - interannuelle - multi-décennale

1ère hypothèse à vérifier avant de construire la méthode

3. Liens grande échelle/variables de surface

14

Zone d'étude : l'Océan Atlantique 2 sous-régions

extratropiques (90ºN-20ºN) : Géopotentiel à 500 hPa (Z500)

tropiques (20ºN-20ºS): Vent à 1000 hPa (UV1000)

Données utilisées : Variables de grande échelle : Réanalyses ERA40

Variables de surface : jeu de données DFS4 (Brodeau et al. 2009). Mélange de réanalyses et de produits satellitaires, développé dans le cadre du projet Drakkar

Période d'étude : 1958-2002

Présentation centrée principalement sur la saison d’hiver et les diagnostics aux variables de surface UV10 et T2

3. Liens grande échelle/variables de surface Introduction

15

classification

DJFM : 4 régimes de Z500

EXTRATROPIQUES


Centroïdes de Z500 pour DJFM

L’appartenance à un régime de temps de Z500 est discriminante pour la surface aux extratropiques

Exemples de composites de surface associés

UV10 T2

Les régimes de Z500

Rayonnement solaire T2

°CW/m2

16

DJFM : 4 classes de vent de UV1000TROPIQUES


Capturent la variabilité décennale dans les tropiques

Mode Méridien Atlantique

Intensification et diminution de l’ITCZ

Les classes de vent tropicales

Les jours sont classés à la fois selon leur appartenance: - à un régime de Z500 - à une classe de vent tropicale

C1 C3C2 C4AR

BL

NAO-

NAO+

Combinaison tropiques et extratropiques


17

Association régimes de Z500et classes de vent

La dynamique tropicale module l’intensité des régimes de temps

Tous les jours NAO-

Composites de Z500 mgpComposites de T2 °C

NAO- / C1 NAO- / C2

18

2. Les régimes de temps

Liens grande échelle/surface aux échelles de temps plus longues


Occurrence interannuelledes régimes de temps

Variable de surface

csteOccαVar j8

1j

jReg

Régression multiple

Occurrence interannuelledes classes de vent

Occurrence interannuelledes régimes + classes

Aux échelles de temps interannuelle et multi-décennale

Les régimes de temps expliquent une part importante de la variabilité interannuelle de surface.

Les classes de vent sont moins discriminantes à cette échelle de temps.

La combinaison régimes + classes permet d’améliorer les résultats aux extratropiques, témoignant de connexions tropiques/moyennes latitudes

A l'échelle de temps interannuelle

Les tendances sont très bien reproduites par les variables reconstruites et s’expliquent donc par la variabilité des régimes de temps et classes de vent.

Tendances

Prédicteur : occurrence interannuelle

19

Conclusion

Liens forts à l'échelle de temps journalière (composites, variance)

Les régimes de temps permettent d’expliquer une grande part : - de la variabilité interannuelle - des tendances basse fréquencedes variables atmosphériques de surface.

Mise en évidence des connexions tropiques / extratropiques par la combinaison régimes/classes de vent.

Meilleur pouvoir discriminant : - en DJFM - aux extratropiques - pour le vent de surface UV10

Régimes de temps extratropicaux de Z500 combinés aux classes de vent à 1000 hPa sur les tropiques constituent la base de la méthode de reconstruction


20

1

2

3

4

Introduction




5

PLAN


6


21

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE



4. Construction et validation de la méthode

EOF 1

EOF

2Jours de Z500

EOF 1

EOF

2EO

F 2

EOF 1

Température atmosphérique de surface

Conditions froides Conditions chaudes

Rappel sur les régimes de temps

22


Vision simplifiée des liens entre régimes de temps et conditions atmosphériques de surface

EOF

2

EOF 1EOF 1

EOF

2EO

F 2

EOF 1

Distance intra-régime

EOF

2

EOF 1

EOF

2

EOF 1

Distance inter-régime

Distance intra-régime

23


Modèle statistique

Distances journalières aux centroïdes des régimes de temps et classes de vent

Régression linéaire multiple entre les distances et la variable de surface

Coefficients de régression α + cste

régimes Z500 + classes de UV1000

Construction de la méthode


Période d’apprentissage dd

Z500 UV1000

dd

d

d

dd

cstedαVar j

j

jg

8

1

Re

Ré-échantillonnageLe jour le plus proche dans les observations

Méthode appliquée au vent de surface UV10, même jour pour les autres variables

Prédicteur :distance journalière

24

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE

MODELE OCEANIQUEHaute résolution 0.5°



Validation

25

Etat moyen : Bien reconstruit pour l’ensemble des variables de surface.

Cycle saisonnier : Très correctement conservé

Validation du forçage reconstruit:Etat moyen


Variance journalière : Bien reproduite

1) Validation du forçage reconstruit à partir de la grande échelle observée en le comparant aux variables atmosphériques de surface de référence DFS4

26

Rapp

ort d

es é

cart

-typ

es

corrélation

A l’échelle de temps interannuelle

Validation du forçage reconstruit:

Echelle de temps interannuelle4. Construction et validation de la méthode

Corrélation :Meilleures corrélations pour la composante zonale du vent de surface U10.

corrélation

-Variance : Le vent en DJFM présente une variance correcte, mais T2 souffre d’une sous-estimation importante de la variance.

Rapp

ort d

es é

cart

s-ty

pes

Performances de la méthode plus mitigées en JJAS (corrélations moins importantes et sous-estimation de la variance plus marquée).


27

Principaux modes de variabilité (1ère EOF) de UV10 à l’échelle de temps interannuelle

reconstruitEXTRATROPIQUES

TROPIQUES

DFS4

1er mode de variabilité de vent de surface extrêmement bien reproduit dans le jeu de forçage reconstruit, tant en structure spatiale qu’en variabilité

Validation du forçage reconstruit:Echelle de temps interannuelle

28

Tendances sur la période 1958-2002

DJFM

Tendances très bien capturées par la méthode en DJFM


U10 T2 T2JJAS

Pas de tendance au réchauffement en

été dans reconstruit

Validation du forçage reconstruit:Tendances

29

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE

MODELE OCEANIQUEHaute résolution 0.5°



Validation

Simulationforçage observé

Simulationforçage reconstruit

30

Application au modèle d’océan

2 simulations océaniques avec ORCA05 (0.5°) 1958-2002 : - forçage DFS4 de référence - forçage reconstruit avec la méthode

4. Construction et validation de la méthode Validation de la simulation océanique

Etat moyen : Très correctement reproduit

2) Validation de la simulation océanique forcée par notre jeu de forçage reconstruit

Variabilité interannuelle :

SST SSS

Corrélation des moyennes annuelles SST et SSS entre DFS4 et reconstruit

31

Validation de la simulations océanique4. Construction et validation de la méthode

Tendances (moyennes annuelles) sur la période 1958-2002:

SST SSS

DFS4

reconstruit

Tendances correctement reproduites, avec cependant une partie du réchauffement sous-estimée

X : incohérence de signe

°C/dec psu/dec

Variance interannuelle :Comme pour le forçage reconstruit, la variance interannuelle est majoritairement sous-estimée pour la plupart des variables de surface, et principalement aux tropiques.

32

Conclusions

La méthode permet de reconstruire un forçage atmosphérique de caractéristiques très comparables à DFS4 : état moyen, cycle saisonnier, variabilité interannuelle, tendances.

La simulation océanique réalisée avec le forçage possède un état moyen et une variabilité interannuelle corrects.

Principales limites : - sous-estimation de la variance interannuelle excepté pour UV10, en hiver, aux moyennes et hautes latitudes - performances de la méthode plus limitées aux tropiques - ne permet pas de capturer la tendance en température de surface l’été (AMO, forçage anthropique, …)


33

1

2

3

4

Introduction




5

PLAN


6


34

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE

MODELE OCEANIQUEORCA05 0.5°


5. Application au modèle couplé CNRM-CM3

35

5. Application au modèle couplé CNRM-CM3 Introduction

Variables atmosphériques de surface :

- DFS4 : Jeu de référence DFS4

- DFS4-rec : Jeu de forçage DFS4 reconstruit par la méthode

- CNRM-CM3-rec : Jeu de forçage reconstruit par la méthode à partir de la grande échelle de la simulation XXème siècle issue du modèle CNRM-CM3

- CNRM-CM3 : variables de surface directement issues de la simulation couplée CNRM-CM3

S’assurer de la fonction de débiaisage de la méthode en vérifiant que l’on obtient un jeu de forçage et une simulation océanique plus réalistes que dans le modèle couplé.

Objectif

36

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE




CNRM-CM3-rec

CNRM-CM3

37

5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruitEtat moyen

Vent zonal U10 (m/s) Température à 2m (°C)

Etat moyen (1950-1999) sur les boîtes atlantiques

- Les variables de surface reconstruites CNRM-CM3-rec ont un état moyen très similaire à DFS4.

- Les erreurs dues à la reconstruction dans CNRM-CM3-rec sont nettement moins grandes que dans CNRM-CM3.

DFS4DFS4-rec

CNRM-CM3-recCNRM-CM3

38

5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruitVariance

Perte de variance interannuelle avec la méthode. Mais variance qui souffre aussi de biais importants dans le modèle couplé.

Température à 2m (°C)

Ecart-type interannuel

Vent zonal U10 (m/s)


Amélioration de la variance journalière, trop faible dans le modèle couplé.

Température à 2m (°C)

Ecart-type journalier

DFS4DFS4-rec

CNRM-CM3-recCNRM-CM3


39

5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruitVariabilité interannuelle et tendances

Modes principaux de variabilité du vent de surface :

- CNRM-CM3-rec présente des structures spatiales plus réalistes que dans CNRM-CM3.

- Les composantes principales associées restent très fortement corrélées à celles de CNRM-CM3 (>0.8)

débiaisage spatial de CNRM-CM3 tout en gardant sa variabilité interannuelle

Tendances : Incapacité de la méthode à reproduire une tendance non induite par des changements de dynamique atmosphérique estimée en termes de régimes de temps

40

2. reconstruction


Modèle statistique

Modèle statistique

OBSERVATIONS

MODELE COUPLE





41

5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océaniqueEtat moyen

CNRM-CM3-rec

CNRM-CM3 SSS

psu°C

CNRM-CM3 SST

Etat moyen de la température et salinité de surface 1950-1999Contours noirs : données Levitus

CNRM-CM3-rec

Sous-estimation la SST dans CNRM-CM3

Biais moyen de -2°C

SST débiaisée dans CNRM-CM3-rec

Salinité trop faible dans l’Atlantique Sud

Salinité trop importante en mer du Labrador

SSS débiaisée dans CNRM-CM3-rec

SST

CNRM-CM3-rec CNRM-CM3

DFS4

42

5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique

Variance de la température et salinité de surface 1950-1999

SSS

Variance surestimée dans CNRM-CM3 et plus réaliste dans

CNRM-CM3-rec

Aux tropiques, variance sous-estimée dans CNRM-CM3-rec mais surestimée

dans CNRM-CM3

SST

43

5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique

1ère EOF de SST

CNRM-CM3-rec CNRM-CM3

Variabilité temporelle conservée avec une amélioration de la structure spatiale, plus réaliste

Observations HadISST

Variabilité interannuelle

44

1

2

3

4

Introduction




5

PLAN


6


45

6. Conclusions et Perspectives Conclusions

La méthode mène à bien son rôle de correcteur de biais du modèle couplé. Les erreurs d’état moyen océanique dans CNRM-CM3-rec sont fortement réduites par rapport à CNRM-CM3.

La méthode permet de conserver une partie de la variabilité interannuelle de CNRM-CM3.

Limites principales de la méthode : - des performances plus limitées aux tropiques - tendance au réchauffement non reproduite

46

6. Conclusions et Perspectives Perspectives

Application multi-modèle, de façon à tester la robustesse des résultats obtenus avec CNRM-CM3.

Envisager un autre type d’approche que les classes de vent aux tropiques où la méthode est moins performante.

Confronter la méthode à d’autres types de méthode de désagrégation.

Perspectives d’amélioration de la méthode

Application au climat futur avec les questions que cela pose (tendance en Z500, tendance en température)

Application à des zones géographiques plus restreintes: applications côtières avec utilisation d’un modèle régional d’océan.

Prévision mensuelle océanique : application aux ensembles de prévision mensuelle atmosphérique du Centre Européen, déjà utilisés en test par Mercator-Océan.

Perspectives d’application de la méthode

47

Perspective : application au climat futur

Etude préliminaire : application à la simulation A21 du modèle CNRM-CM3

- Tendance en Z500 - Tendance en température de surface

Questions rencontrées lors de l’application de la méthode

Différence de SST (2080-2099) – (2000-2019)

Indice de circulation océanique méridienne moyenneSimulation A21 couplée Simulation A21 reconstruit

6. Conclusions et Perspectives

48

6. Conclusions et Perspectives Perspectives

Application multi-modèle, de façon à tester la robustesse des résultats obtenus avec CNRM-CM3.

Envisager un autre type d’approche que les classes de vent aux tropiques où la méthode est moins performante.

Confronter la méthode à d’autres types de méthode de désagrégation.

Perspectives d’amélioration de la méthode

Application au climat futur avec les questions que cela pose (tendance en Z500, tendance en température)

Application à des zones géographiques plus restreintes: applications côtières avec utilisation d’un modèle régional d’océan.

Prévision mensuelle océanique : application aux ensembles de prévision mensuelle atmosphérique du Centre Européen, déjà utilisés en test par Mercator-Océan.

Perspectives d’application de la méthode

49

Merci de votre attention