1 méthode de désagrégation statistico-dynamique adaptée aux forçages atmosphériques pour la...
TRANSCRIPT
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°
circulation atmosphérique de grande échelle
2. Principe général de la méthode
9
circulation atmosphérique de grande échelle
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
2. Principe général de la méthode
10
2. Principe général de la méthode
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
2. Principe général de la méthode
12
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
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
3. Liens grande échelle/variables de surface
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
3. Liens grande échelle/variables de surface
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
3. Liens grande échelle/variables de surface
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
3. Liens grande échelle/variables de surface
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
3. Liens grande échelle/variables de surface
20
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
21
2. reconstruction
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUE"Haute" résolution 0.25° - 0.5°
circulation atmosphérique de grande échelle
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
4. Construction et validation de la méthode
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
4. Construction et validation de la méthode
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
circulation atmosphérique de grande échelle
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
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUEHaute résolution 0.5°
circulation atmosphérique de grande échelle
4. Construction et validation de la méthode
Validation
25
Etat moyen : Bien reconstruit pour l’ensemble des variables de surface.
Cycle saisonnier : Très correctement conservé
Validation du forçage reconstruit:Etat moyen
4. Construction et validation de la méthode
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).
4. Construction et validation de la méthode
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
4. Construction et validation de la méthode
U10 T2 T2JJAS
Pas de tendance au réchauffement en
été dans reconstruit
Validation du forçage reconstruit:Tendances
29
2. reconstruction
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUEHaute résolution 0.5°
circulation atmosphérique de grande échelle
4. Construction et validation de la méthode
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, …)
4. Construction et validation de la méthode
33
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
34
2. reconstruction
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUEORCA05 0.5°
circulation atmosphérique de grande échelle
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
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUE"Haute" résolution 0.25° - 0.5°
circulation atmosphérique de grande échelle
5. Application au modèle couplé CNRM-CM3
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)
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
Vent zonal U10 (m/s)
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
circulation atmosphérique de grande échelle
Modèle statistique
Modèle statistique
OBSERVATIONS
MODELE COUPLE
MODELE OCEANIQUE"Haute" résolution 0.25° - 0.5°
circulation atmosphérique de grande échelle
5. Application au modèle couplé CNRM-CM3
MODELE OCEANIQUE"Haute" résolution 0.25° - 0.5°
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
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
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