valeur ajoutÉe dans le mrcc: comparaison de la prÉcipitation aux Échelles du mgc
DESCRIPTION
Université du Québec à Montréal. VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC. Alejandro Di Luca Directeur: René Laprise Co-directeur: Ramón de Elía. 29 Août 2008. Plan de la présentation. MRC vs MCG D’où peut venir la valeur ajoutée (VA)? - PowerPoint PPT PresentationTRANSCRIPT
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
Approche objectif général: comparaison aux échelles du MGCApproche objectif général: comparaison aux échelles du MGC
Climat MRC
Climat MGC
Climat observé
Statistique climatique
VALEUR AJOUTÉE
77
Climat MRC
Climat MGC
Climat observé
Statistique climatique
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 objectif général: comparaison aux échelles du MGCApproche objectif général: comparaison aux échelles du MGC
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)
HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERESHISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES
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
HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERESHISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES
MRCC (CGCM)MRCC (NCEP)
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)
HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERESHISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES
MRCC (CGCM)MRCC (NCEP)
MGCCOBS MRCC (CGCM)
MRCC (NCEP)
MGCCOBS
ÉTÉ (JJA)ÉTÉ (JJA)
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
ÉTÉ (JJA)ÉTÉ (JJA)
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 %
MRCC (CGCM)MRCC (NCEP)
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