Fascicule des encadrés scientifiques du GMGEC
publicité
CNRM/GAME, UMR 3589 ENCADRÉS SCIENTIFIQUES de l’unité de recherche GMGEC Page 32 GMGEC-1 Développement et évaluation du modèle CNRM-CM La version 5 du modèle climatique couplé global CNRM-CM, développée en collaboration avec le CERFACS en vue de contribuer à l’exercice d’intercomparaison CMIP5, s’appuie sur le cœur océanatmosphère NEMO3.2 (IPSL) / ARPEGE-Climat v5 (Météo-France). Les échanges surface-atmosphère, la glace de mer et l’écoulement des fleuves au sein de CNRM-CM5 sont respectivement représentés par SURFEX v5, Gelato v5 et TRIP, et l’ensemble est couplé par OASIS3. L’impact de certains forçages (aérosols, volcans, variabilité solaire) ainsi que les couplages ont été mieux pris en compte dans le modèle. La résolution horizontale (150km) a été doublée, améliorant la représentation de la circulation océanique et du climat moyen jusqu’en moyenne troposphère. En revanche, la résolution verticale a été réduite, entraînant une légère dégradation des performances du modèle dans la haute troposphère et dans la stratosphère. CNRM-CM5.1 a été également validé en termes de variabilité (Oscillations NordAtlantique et Nord-Pacifique, El Niño…), de téléconnexions (El Niño / Mousson Africaine). Les biais de pression atmosphérique en surface entre CNRM-CM3 et CNRM-CM5.1 (version utilisée pour CMIP5) ont été substantiellement réduits en hiver boréal (Figure de gauche) et en été. Cette amélioration a été principalement attribuée à l’augmentation de résolution horizontale du modèle (Voldoire et al., 2013). Au-delà de CMIP5, le développement de CNRM-CM s’est poursuivi dans le cadre du projet européen FP7/COMBINE pour aboutir à la version 5.2. Dans cette version, une attention particulière a été accordée à la correction des dérives non-physiques et non-cohérentes en eau et sel dans l’océan présentes dans la version 5.1 (respectivement –20cm et -0.011psu par siècle). L’origine de ces dérives a été identifiée (nonconservation au niveau du couplage océan-banquise et océan-calottes), et après correction des erreurs, le modèle ne dérivait plus que de +1cm par siècle en eau et de +0.001psu/siècle en sel (voir la dérive en sel dans la Figure de droite). De nouvelles simulations de contrôle préindustriel ont montré que ces corrections ont fortement contribué à améliorer la représentation de la circulation océanique et de la glace de mer antarctique dans CNRM-CM5.2 par rapport à CNRM-CM5.1. Références Voldoire, A., E. Sanchez-Gomez, D. Salas y Mélia, B. Decharme, C. Cassou, S.Sénési, S. Valcke, et al., 2013 : The CNRM-CM5.1 global climate model : description and basic evaluation. Climate Dynamics, 40(9-10), 2091-2121, DOI:10.1007/s00382-011-1259-y. Geoffroy O., D. Saint-Martin, A. Voldoire, D. Salas y Mélia, and S. Sénési, 2014 : Adjusted radiative forcing and global radiative feedbacks in CNRM-CM5, a closure of the partial decomposition. Climate Dynamics, 42, 18071818, DOI :10.1007/s00382-013-1741-9. Page 33 GMGEC-2 Participation du GAME à CMIP5 Le dernier rapport du groupe I du GIEC paru en 2013 s’est appuyé sur des simulations climatiques effectuées dans le cadre du projet international d’intercomparaison CMIP5. Plus de 20 groupes de modélisation ont participé à l’exercice, en mettant en œuvre plus de 60 modèles climatiques couplés globaux. Le groupe CNRM-CERFACS a utilisé le modèle CNRM-CM5.1 pour réaliser les volets « décennal » (CERFACS) et « centennal » de CMIP5 (GAME). Le GAME a ainsi réalisé une simulation préindustrielle de 850 ans, des simulations historiques (1850-2005), des simulations futures (2006-2300), des simulations du dernier âge glaciaire et de l’holocène moyen, des simulations académiques (1% CO2, 4xCO2 abrupt) et des simulations en atmosphère seule (AMIP). En incluant la phase de développement du modèle, plus de 13000 années de simulation ont été réalisées au total, mobilisant l’équivalent de 10% de la capacité de calcul de Météo-France pendant un an, et 8,5 ETP ingénieurs et chercheurs pendant 2 ans ½. Les résultats de ces simulations ont été mis à la disposition de la communauté scientifique sur un serveur spécialement mis en œuvre au GAME pour CMIP5, ce qui a permis leur prise en compte dans près de 200 publications au 30 avril 2014. Parmi elles, 14 ayant un premier auteur rattaché au GAME, ont été publiées en 2012 et 2013. La principale originalité de la contribution du GAME à CMIP5 a été d’effectuer un grand ensemble de simulations historiques (30 simulations au total), en prenant en compte tous les forçages : variabilité solaire, éruptions volcaniques, gaz à effet de serre et aérosol, ou seulement certains forçages, afin de mener des études de détection/attribution. La Figure de gauche illustre une utilisation de ces simulations. Elle représente des anomalies d’évapotranspiration moyennées sur les continents des régions tropicales (30°S-30°N), simulées et reconstruites en moyenne sur des périodes indépendantes de 11 ans couvrant la période 1950-2005. Les anomalies simulées sont reproduites au travers d’intervalles de confiance à 95% de deux ensembles de 10 simulations réalisées avec CNRM-CM5 contraint par des forçages naturels seulement (en bleu) et par des forçages complets (naturels et anthropiques, en jaune). Les anomalies reconstruites correspondent aux résultats obtenus avec deux modèles de surface (ISBA en noir et VIC en gris), contraints par des climatologies de précipitations (GPCP pour les traits continus et CRU pour les traits tiretés) (Douville et al., 2013). La Figure de droite représente le réchauffement simulé par le modèle en 2081-2100 par rapport à 1981-2000 dans le cas du scénario d’émission RCP8.5. Référence Douville, H., A. Ribes, B. Decharme, R. Alkama, and J. Scheffield, 2013 : Anthropogenic influence on multidecadal changes in reconstructed global evapotranspiration. Nature Climate Change, 3(1), 59-62, DOI: 10.1038/NCLIMATE1632. Page 34 GMGEC-3 Régionalisation du climat sur le domaine méditerranéen Les caractéristiques physiques de la zone méditerranéenne (relief et trait de côte complexes, fort contraste terre-mer, petites îles, couplage air-mer, vents régionaux, rétroaction surface-atmosphère et aérosols-rayonnement) ont amené le GAME à développer une nouvelle génération de son modèle régional de climat basée sur ALADIN et dédiée à la compréhension des interactions entre les composantes du « système climatique » méditerranéen. Ce modèle (CNRM-RCSM4 ; Sevault et al. 2014, soumis à Tellus) inclut le couplage quotidien et interactif des différentes composantes du système climatique régional : aérosols, atmosphère, hydrologie continentale, rivière et océan . 1a 1b Série quotidienne (AOD en bas et SWsurf en haut) à Murcie en juin-juillet 2012. Pour l’AOD, le modèle avec aérosols interactifs est en vert, et les observations sont en rouge. 2a Série interannuelle du maximum de la profondeur de la couche de mélange dans le Golfe du Lion (modèle en noir, observations en rouge). Séries interannuelles de la SST en Méditerranée, avec intercomparaison des modèles couplés de Med-CORDEX CNRM-RCSM4 tourne en mode étude de cas (comparaison aux observations des programmes ChArMEx comme sur la Figure 1a, HyMeX et MERMEX, SOPs 2012 et 2013), en mode évaluation (piloté aux bords par des réanalyses atmosphériques et océaniques, 1979-2013, Figure 1b) ou en mode scénario (pilotage par CNRM-CM5, 1950-2100, scénarios RCP8.5/4.5/2.6 réalisés, projet FP7 CLIM-RUN). Nos principaux thèmes de recherche sont la variabilité climatique des flux air-mer et de la convection océanique dans le Golfe du Lion (Figure 1b, projet ANR ASICS-MED ; L'Heveder et al. 2013), l'impact des aérosols sur le climat régional (Figure 1a, Nabat et al. 2014 ; voir encadré GMGEC-10), la fermeture des bilans hydriques et thermiques (Dubois et al. 2012 ; projet FP7 CIRCE) , l’amélioration de la représentation et l’évolution future des évènements extrêmes en Méditerranée (projet ANR REMEMBER). Le GAME co-coordonne par ailleurs la première intercomparaison internationale de ce type de modèle appelée Med-CORDEX (www.medcordex.eu, intercomparaison des SST en interannuel sur la Figure 2a). Références L’Heveder B., Li L., Sevault F., Somot S., 2013: Interannual variability of deep convection in the Northwestern Mediterranean simulated with a coupled AORCM. Climate Dynamics, 41:937-960, DOI: 10.1007/s00382-012-15275. Dubois C., S. Somot, et al., 2012: Future projections of the surface heat and water budgets of the Mediterranean sea in an ensemble of coupled atmosphere-ocean regional climate models. Climate Dynamics, 39 (7-8):1859-1884, DOI 10.1007/s00382-011-1261-4. Page 35 GMGEC-4 Simulation de l’Oscillation de Madden-Julian dans CNRM-CM5 L’Oscillation de Madden-Julian (OMJ) est le principal mode de variabilité intrasaisonnière dans les tropiques. Ce mode se traduit par l’émergence d’une anomalie de précipitation de grande échelle dans l’Océan Indien équatorial, et sa propagation vers l’Est jusqu’au Pacifique central, à une vitesse de 5 m/s. Si le signal en précipitation s’estompe dans le Pacifique, le signal dynamique associé au mode continue sa propagation à une vitesse supérieure (15-20 m/s) à travers l’Atlantique équatorial jusqu’à l’Indien, où il peut susciter une nouvelle anomalie de précipitation. Ce cycle dure 30 à 40 jours, et apparaît principalement pendant l’hiver boréal. La plupart des modèles de climat simulent une OMJ trop faible, voire inexistante. W m--2 Les Figures montrent l’anomalie de convection nuageuse (en couleur : le flux infrarouge au sommet de l’atmosphère) pendant les cycles moyens observés (à gauche) et simulé (à droite) par CNRM-CM5, divisés en 8 phases, ainsi que les anomalies de vent dans les basses couches (flèches). Le modèle CNRM-CM5 simule une anomalie de convection nuageuse (et de précipitation) réaliste dans le secteur Indo-Pacifique. A ce titre, le CNRM-CM5 est un des meilleurs de sa génération en ce qui concerne la simulation de cette oscillation (voir Hung et al., Journal of Climate 2013). L’anomalie convective simulée est par contre surestimée dans l’Atlantique équatorial, et l’anomalie des vents simulés est trop intense sur l’ensemble de la ceinture équatoriale (Duvel et al., 2013). Cette surestimation du signal en vent, même dans les régions où l’anomalie convective est réaliste, suggère des problèmes de paramétrisation du profil vertical de chauffage par la condensation due à la convection nuageuse, dont dépendent les gradients de pression qui forcent le vent. Pour mieux comprendre ce problème, un programme d’intercomparaison des termes diabatiques associés à l’OMJ est coordonné par le programme international GASS. Le GAME y participe. Référence Duvel, J.-P., H. Bellenger, G. Bellon, M. Remaud, 2013: An event-by-event assessment of tropical intraseasonal perturbations for general circulation models. Climate Dynamics, 40 (3-4), 857-873 , DOI: 10.1007/s00382-0121303-6. Page 36 GMGEC-5 Détection et attribution des changements climatiques Les quelque 150 ans d’observations climatiques à l’échelle globale indiquent-ils un changement climatique déjà en cours, et si oui, quelles en sont les causes ? Les recherches conduites au GAME sur ces questions ont tout d’abord porté sur l'amélioration des techniques statistiques utilisées (Ribes et al., 2013). Nous avons également participé à la réalisation des nouvelles simulations climatiques dédiées à la détection/attribution - Un premier travail d'analyse a porté sur les changements de température globaux, sur la base des nouvelles simulations et observations disponibles. Les résultats obtenus, en partie repris e dans le 5 rapport du GIEC, confirment l'importance des perturbations anthropiques dans l'évolution climatique récente (Ribes et Terray, 2013). Cependant, parmi les perturbations anthropiques, la quantification précise des contributions des gaz à effet de serre et des aérosols (les derniers masquant une partie du réchauffement induit par les premiers), reste difficile. La Figure de gauche reproduit la température moyenne globale simulée avec forçages naturels seuls (bleu) ou tous forçages (orange) et les observations (noir). Une autre problématique émergente concerne l'explication d'événements météorologiques observés dans la perspective du changement climatique. La variabilité inhérente au système climatique empêche toute attribution formelle d'un événement singulier à une seule cause, mais il est possible d'estimer les contributions relatives de différents facteurs à l'événement. Les études menées en collaboration avec le LSCE ont concerné l'estimation, par des méthodes d'analogie, de la contribution de la circulation atmosphérique aux récents épisodes remarquables de température (Cattiaux et Yiou, 2012) et de précipitation en Europe et aux Etats-Unis (Cattiaux et Yiou, 2013). En particulier, il a été montré que si les circulations atmosphériques expliquent la variabilité des températures européennes d'une année sur l'autre, elles n'expliquent pas leur augmentation à long terme, attribuée par ailleurs aux facteurs anthropiques. La Figure de droite reproduit l’évolution des températures moyennes annuelles en Europe de l’Ouest (noir), et la contribution de la circulation atmosphérique, estimée par analogues (gris). Références Ribes A., S. Planton, L. Terray, 2013: Application of regularised optimal fingerprinting to attribution. Part I: method, properties, and idealised analysis. Climate Dynamics, 41, 2817-2836, DOI: 10.1007/s00382-013-1735-7. Ribes A., L. Terray, 2013 : Application of regularised optimal fingerprinting to attribution. Part II: application to global near-surface temperature based on CMIP5 simulations. Climate Dynamics, DOI:10.1007/s00382-013-1736-6. Cattiaux, J., and P. Yiou, 2012: Contribution of atmospheric circulation to remarkable European temperatures of 2011, Bulletin of the American Meteorological Society, in « Explaining Extreme Events of 2011 from a Climate Perspective », 93, 1041-1067, DOI :10.1075/BAMSD-12-00021.1. Cattiaux, J., and P. Yiou, 2013: The U.S. heatwaves of spring-summer 2012 from the flow-analogue perspective, in «Explaining Extreme Events of 2012 from a Climate Perspective ». Bulletin of the American Meteorological Society, 94 (9), S10-13, DOI: 10.1175/BAMS-D-13-00085.1. Page 37 GMGEC-6 Amélioration de la représentation de l'atmosphère pour la prévision saisonnière Les composantes atmosphériques des modèles couplés de climat souffrent généralement d'erreurs systématiques. Même si elles sont corrigées a posteriori dans la formulation des prévisions saisonnières, celles-ci peuvent nuire à la bonne représentation de la circulation de grande échelle et donc à la fiabilité des prévisions du climat de la saison à venir. Afin d'estimer et de corriger a priori les erreurs systématiques du modèle ARPEGE-Climat, mais aussi d'améliorer la dispersion des prévisions d'ensemble, une technique appelée « dynamique stochastique » a été développée au CNRM-GAME. Elle repose sur l'estimation dans un premier temps des erreurs de tendance initiale du modèle par la technique de nudging atmosphérique, puis l'insertion dans un deuxième temps des corrections de ces erreurs de manière aléatoire en cours de prévision saisonnière. Figure 1 Figure 2 La Figure 1 illustre l'impact de cette méthode sur les erreurs systématiques de géopotentiel à 500 hPa (Z500) sur l'hémisphère Nord pour les prévisions d'ensemble d'hiver (décembre à février) initialisées en novembre. La Figure 2 montre l'évolution mois par mois de la dispersion d'ensemble (pointillés) et l'erreur quadratique moyenne (RMSE, tirets) pour la même variable et trois jeux d'expériences sans (CM5 INI) et avec (DS) dynamique stochastique. La période d'étude est 1979-2010 et les données de référence proviennent de la réanalyse ERA-Interim. La Figure 1 montre l'erreur systématique de Z500 (en m) pour un ensemble de référence de 15 membres avec perturbations initiales uniquement (CM5 INI, à gauche) et un ensemble avec dynamique stochastique avec tirage aléatoire des corrections-perturbations toutes les 6 heures (DS RAND, à droite). On note que l'erreur systématique négative sur l'Arctique ainsi que le gradient de biais sur l'Atlantique et le Pacifique Nord sont considérablement réduits. Sur la Figure 2, il apparaît que cette amélioration de l'erreur systématique est accompagnée d'une réduction du RMSE du Z500 pour le premier mois des prévisions, ainsi que d'une augmentation de la dispersion d'ensemble. On arrive donc à un meilleur ratio erreur-dispersion. Le constat est très similaire avec un mode de tirage des perturbations consistant à prendre les corrections de 5 jours consécutifs de la période d'estimation des erreurs de tendance. Cette méthode permet donc d'améliorer certains aspects des prévisions saisonnières en hiver. Références Batté, L. et Déqué, M., 2012 : A stochastic method for improving seasonal predictions. Geophysical Research Letters, vol. 39, L09707, DOI 10.1029/2012GL051406 Batté, L. 2013 : Prévisions d'ensemble à l'échelle saisonnière : mise en place d'une dynamique stochastique. Thèse de doctorat de l'Université Paris-Est réalisée au GAME. Page 38 GMGEC-7 Etude de la prévisibilité de la banquise de l’échelle mensuelle à saisonnière Le déclin récent de la banquise estivale de l'océan Arctique est un des indicateurs les plus évidents du changement climatique. En septembre 2012, jamais l’étendue de banquise observée en Arctique n’avait 2 été aussi faible : celle-ci couvrait moins de 4 millions de km , soit la moitié de la moyenne des observations satellitaires entre 1979 et 2000. Pouvait-on prévoir plusieurs mois à l'avance une telle anomalie d'englacement ? Afin de répondre à cette question, un ensemble de prévisions saisonnières de la banquise arctique estivale sur la période 1990-2009 a été rejoué avec le modèle couplé CNRM-CM5.1. er Au 1 mai de chaque année, un état initial proche de l'état réel du système est fourni au modèle couplé : à cette fin, une reconstruction de l'océan et de la banquise a été réalisée à l'aide de sa composante océanique, NEMO-GELATO, forcée par les champs météorologiques proches de la surface issus de la réanalyse ERA-Interim. Cette reconstruction permet notamment d'initialiser l'épaisseur de la banquise, grande inconnue des observations satellitaires. Les prévisions du modèle (triangle rouge pour la moyenne d’ensemble, barres 2 grisées pour la dispersion Illustration 1 de l’ensemble) sont comparées aux observations satellitaires (NSIDC, en vert) en termes d’anomalies. Les scores des prévisions saisonnières de l'étendue englacée en septembre sont significativement élevés (Figure de gauche), y compris lorsqu’on retire la tendance. Cela implique que la prévisibilité de l'anomalie de couverture de glace de septembre est liée en partie à l'état initial : nous avons pu montrer que l’anomalie de volume de glace au printemps explique plus de 70% de la variance des prévisions. Des er prévisions similaires de la couverture de glace de mars, initialisées le 1 novembre, ont été réalisées. Les performances du modèle couplé sont comparables (Figure de droite), et suggèrent une prévisibilité de l'extension maximale de la banquise liée à l'état de l'océan durant l'automne dans les zones marginales qui sont alors libres de glace. Une déclinaison des prévisions à l’échelle régionale (mer de Barents, mer du Labrador) montre un réel potentiel prédictif lié à l’océan et aux couplages océan-atmosphère-banquise. Références Chevallier, M., 2012: Prévisibilité saisonnière de la glace de mer de l’océan Arctique. Thèse de doctorat de l’Université Paris-Est réalisée au GAME. Chevallier, M., Salas y Mélia, D., Voldoire, A., Déqué, M., Garric, G., 2013 : Seasonal forecasts of the pan-Arctic sea ice extent using a GCM-based seasonal prediction system. Journal of Climate, 26(16), 6092-6104, DOI: 10.1175/JCLI-D-12-00612.1. Guémas, V., Doblas-Reyes, F., Germe, A., Chevallier, M., Salas y Mélia, D., 2013 : September 2012 Arctic sea ice minimum : discriminating between sea ice memory, the August 2012 extreme storm, and prevailing warm, in «Explaining Extreme Events of 2012 from a Climate Perspective ». Bulletin of the American Meteorological Society, 94 (9), S10-13, DOI: 10.1175/BAMS-D-13-00085.1. Page 39 GMGEC-8 Les projets Copernicus/MACC-MACC-II : Monitoring Atmospheric Composition and Climate (Interim Implementation) Depuis une dizaine d’années, des modèles numériques permettant de prévoir la qualité de l’air et des réseaux d’observations se sont développés et servent aujourd’hui de base à la fourniture de services opérationnels. Le programme GMES, maintenant nommé Copernicus, est né à la fin des années 1990 du renforcement de la concertation entre la Commission Européenne et l’Agence Spatiale Européenne. Copernicus vise à répondre aux besoins de l’Union en matière de surveillance de l’environnement. Les projets MACC puis MACC-II, coordonnés par le CEPMMT, correspondent au volet « atmosphère » de Copernicus. Une part importante de ces deux projets a été consacrée à la qualité de l’air en Europe avec la production de prévisions et analyses journalières basées sur un ensemble de 7 modèles européens. Le GAME a la responsabilité du développement d’un de ces modèles (MOCAGE) et de la production centralisée de l’ensemble, animant ainsi un groupe de 12 équipes européennes. Le nombre d’utilisateur de ces données est croissant (115 répertoriés): institutionnels (gestion de la qualité de l’air au niveau de l’Europe et des pays), secteur privé (produits à destination du grand public) et recherche (qualité de l’air, santé, économie). Le passage de cette production du prototype vers l’opérationnel constitue un volet important du projet MACC-II. Zone Texte (Introduction qui conduit à présenter les illustrations 1 et 2) L’expérience de PREV’Air en France a montré la richesse d’une approche multi-modèle Illustration 2 pour la prévision Illustration 1 de la qualité de l’air. Dans MACC et MACC-II, l’approche est basée sur 7 modèles de qualité reconnue développés en Europe. Les prévisions produites de manière journalière par ces 7 modèles sont évaluées en se basant sur les réseaux de surveillance de la qualité de l’air (Figure de gauche). La dispersion intermodèles (Figure de droite ; Joly et al., 2012) dépend fortement du polluant: faible pour les espèces dont les distributions sont pilotées par la météorologie et les émissions, comme les oxydes d’azote ou de soufre, et au contraire forte pour l’ozone, dont les concentrations dépendent de nombreux processus. Par des méthodes d’ensemble, il est possible d’utiliser cette information statistique pour construire des estimations plus fiables que celles des différents modèles et d’assortir celle-ci d’une évaluation de l’incertitude associée. De MACC à MACC-II, un travail important a été réalisé sur l’amélioration de la qualité des prévisions et des analyses ainsi que sur leur extension: agrandissement du domaine européen, allongement des échéances de prévision à 4 jours, ajout de niveaux verticaux et d’espèces supplémentaires, prévision de concentrations de pollens de bouleau, assimilation de données (Emili et al., 2014). Références Joly, M. and V.-H. Peuch, 2012: Objective classification of air quality monitoring sites over Europe. Atmospheric Zone Texte Environment, 47, 111-123. Emili, E. , B. Barret, S. Massart, E.sur Le les Flochmoen, A. Piacentini, L. El Amraoui,àO.laPannekoucke, (Commentaires illustrations 1 et 2 qui amènent conclusion)and D. Cariolle, 2014 : Combined assimilation of IASI and MLS observations to constrain tropospheric and stratospheric ozone in a global chemical transport model. Atmospherc Chemistry and Physics, Volume: 14(1), 177-198, Doi : 10.5194/acp14-177-2014. Page 40 GMGEC-9 Participation aux exercices internationaux de simulation des interactions chimie-climat De plus en plus, la chimie et la dynamique de la stratosphère et/ou de la troposphère sont étudiées et modélisées comme une seule entité dans les modèles globaux, dénommés alors Modèles de Chimie Climat (CCM). Pour preuve, plusieurs groupes de recherche ont mis en place des simulations avec chimie interactive lors de la phase 5 du projet CMIP (Coupled Model Intercomparison Project). De plus, on peut noter un intérêt grandissant concernant les interactions entre la chimie stratosphérique et la chimie troposphérique, tandis qu'en parallèle les modèles sont confrontés à de nouvelles observations et analyses. Tout ceci souligne la nécessité de mieux organiser les activités concernant ces deux domaines de l'atmosphère, et a abouti à la mise en place en mai 2012 du projet conjoint IGBP-IGAC/WCRPSPARC Chemistry-Climate Model Initiative (CCMI) qui fait suite aux activités chimie-climat IGAC/ACCMIP et SPARC/CCMVal. Le CNRM contribue pleinement à CCMI avec son CCM, ARPEGEClimat et schéma de chimie stratosphérique en ligne, qui a aussi contribué à CCMVal-2, et son CTM (Chemistry Transport Model) MOCAGE qui simule en plus l'évolution des espèces chimiques troposphériques, CTM qui lui a participé à ACCMIP (Lamarque et al., 2013). Illustration 1 Illustration 2 La Figure de gauche, extraite de (Young et al., 2013), montre les informations statistiques classiques se rapportant à la quantité d'ozone troposphérique pour l'ensemble des modèles ayant participé à ACCMIP, différentes décennies et quatre RCPs (Representative Concentration Pathways). La Figure de droite présente la colonne totale d'ozone, pilotée par l'ozone stratosphérique, de toutes les simulations de référence CCMI (voir Eyring et al., SPARC Newsletter 40, 2013) réalisées avec ARPEGE-Climat, sur la période 1990-1999 pour les observations (NIWABod) et les différentes simulations REF-C1 (période récente passée), dont les simulations rappelées (C1SD), et sur la période 2090-2099 pour les deux simulations REF-C2 (1960-2100) réalisées selon le RCP 6.0. L'évolution conjointe des charges totales en ozone troposphérique et stratosphérique est un sujet d'étude auquel participent les modèles du CNRMGAME. Les simulations chimiques ARPEGE-Climat CCMI sont achevées, et leur météorologie est utilisée en entrée des simulations MOCAGE correspondantes. Références Lamarque, J.-F., …, B. Josse, et al., 2013 : The Atmospheric Chemistry and Climate Model Intercomparison Project (ACCMIP) : overview and description of models , simulations and diagnostics, Geoscientific Model Development, 6, 179-206, 2013, DOI : 10.5194/gmd-6-179-2013. Young, P. …, B. Josse, et al., 2013 : Pre-industrial to end 21st century projections of tropospheric ozone from the Atmospheric Chemistry and Climate Model Intercomparison Project (ACCMIP), Atmospheric Chemistry and Physics, 13, 2063-2090, DOI:10.5194/acp-13-2063-2013. Page 41 GMGEC-10 Les aérosols pendant les campagnes ChArMEx 2012-2013 Modélisation, assimilation et impact radiatif Les aérosols dans le bassin méditerranéen, qu’ils soient d’origine naturelle (poussières désertiques, sels marins) ou anthropique (pollution urbaine et industrielle), constituent un enjeu à la fois pour la qualité de l’air et pour l’évolution du climat dans cette région. Dans ce contexte, les expériences de terrain ChArMEx 2012/2013 ont eu pour objectif de documenter la pollution gazeuse et d’aérosols par des mesures avion et in-situ, en complément de la modélisation. L’épisode particulier de poussières désertiques du 29 juin 2012 durant la campagne TRAQA a donné lieu à un exercice d’intercomparaison de différents modèles (Basart et al., en préparation), auquel le CNRM-GAME a participé avec trois modèles (MOCAGE, ALADIN-Climat et ALADIN-Dust). La plupart des modèles sont capables de reproduire la variabilité spatio-temporelle des aérosols désertiques, même si les concentrations transportées varient fortement d’un modèle à l’autre. Dans le modèle MOCAGE, un travail particulier a été entrepris pour améliorer la représentation de l’aérosol en améliorant les différentes paramétrisations d’une part (Sic et al., 2014) et d’autre part, en utilisant l’assimilation d’observations. Les Figures comparent les épaisseurs optiques le 29 juin 2012, de l’analyse de MOCAGE et des mesures issues de MSG/SEVIRI, qui ne sont pas assimilées. L’accord entre les deux champs est très bon, ce qui montre la capacité de l’assimilation de données à représenter les aérosols dans les modèles. Le bilan radiatif et le climat méditerranéen sont impactés par les fortes charges en aérosols de la région. Des simulations ont été menées à l'aide d'un système couplé de modélisation climatique régionale (ALADINClimat pour l'atmosphère, NEMOMED8 pour l'océan, ISBA pour les surfaces continentales et TRIP pour les rivières). Les différents aérosols sont inclus au moyen de climatologies réalistes (Nabat et al., 2013), issues de mesures satellitaires et de modèles de chimie-climat. L'absorption et la diffusion du rayonnement solaire incident entraînent non seulement une diminution du rayonnement (-16 W/m² en moyenne sur la mer Méditerranée) et de la température en surface (-0.5 °C en moyenne), mais aussi des modifications de la circulation atmosphérique (Nabat et al., 2014 ; soumis à Climate Dynamics), et du cycle hydrologique (réduction de l'évaporation et des précipitations). Références Sic, B., L. El Amraoui, V. Marécal, B. Josse, J. Arteta, J. Guth, M. Joly, and P. Hamer , 2014: Primary aerosols in the CTM MOCAGE: modelling and evaluation of different parametrizations. Geoscientific Model Development Discussions, 7, 2745–2796, DOI :10.5194/gmdd-7-2745-2014. Nabat, P., S. Somot, et al., 2013: A 4D climatology of the monthly tropospheric aerosol optical depth distribution over the Mediterranean region from a comparative evaluation and blending of remote sensing and model products, Atmospheric Measurement Technique, 6, 1287-1314, DOI:10.5194/amt-6-1287-2013. Page 42 GMGEC-11 Variabilités de la vapeur d’eau et de la température troposphérique au Dôme C, station Concordia (Antarctique) Le programme H2O Antarctica Microwave Stratospheric and Tropospheric Radiometers (Hamstrad) a pour but le développement d’un radiomètre micro-onde pour sonder la vapeur d’eau (H2O) et la température troposphérique au-dessus du Dôme C, station Concordia, Antarctique (75°06’S, 123°21’E, 3233 m audessus du niveau moyen de la mer), l’un des sites les plus froids et les plus secs de la planète. Le projet vise à étudier sur une période supérieure à dix ans l’influence du changement climatique sur le bilan de la vapeur d’eau atmosphérique, gaz à effet de serre majeur modifiant directement et indirectement (au travers des nuages) le bilan radiatif terrestre. Mesurant à 60 GHz (raie de la molécule de dioxygène (O 2) pour en déduire la température) et à 183 GHz (raie de vapeur d’eau), ce radiomètre unique et à l’état de l’art a pu être installé sur le site une première fois en janvier 2009 (12 jours) et définitivement en janvier 2010 après une phase de validation au pic du Midi, en France, de février à juin 2008. Les mesures du radiomètre Hamstrad permettent de remonter aux profils verticaux de H 2O et de la température, du sol à 10 km d’altitude avec une résolution temporelle de 7 minutes et des résolutions verticales de 30 à 50 m dans la couche limite atmosphérique, 100 m dans la troposphère libre et 500 m dans la haute troposphère basse stratosphère. Comme l’instrument échantillonne le cycle diurne avec une bonne résolution, il permet entre autre la validation des produits spatiaux et des analyses météorologiques. Des comparaisons systématiques ont été entreprises au Dôme C avec des mesures in situ (radiosondes), des instruments spatiaux (comme IASI de MetOp-A et AIRS d’Aqua) et les analyses du Centre européen de prévision météorologique à moyen terme (CEPMMT) (Ricaud et al., 2012 ; Ricaud et al., 2013). La Figure de gauche montre le radiomètre HAMSTRAD installé au Dôme C à l'extérieur pour 12 jours en janvier 2009 (été austral) avec des températures extérieures proches de -40°C. L'hiver la température de l'air proche de la surface peut tomber à -80°C. La Figure de droite montre l'évolution de la quantité intégrée de vapeur d'eau (IWV) au-dessus du Dôme C sur toute l'année 2010 mesurée par HAMSTRAD (noir) et d'autres instruments : sondes (rouge), IASI (vert), AIRS (bleu) ainsi que les analyses du CEPMMT (rose). Outre la cohérence des différents jeux de données entre eux, on observe un hiver -2 -2 extrêmement sec (IWV < 0,05 kg m ) et un été légèrement plus humide (IWV ~0,5-2,3 kg m ). La forte variabilité estivale s'explique par l'origine des masses d'air : océanique et humide ou bien continentale et sèche. Références Ricaud, P., C. Genthon, J.-L. Attié, F. Carminati, G. Canut, P. Durand, J.-F. Vanacker, L. Moggio, Y. Courcoux, A. Pellegrini, and T. Rose, 2012 : Summer to Winter Diurnal Variabilities of Temperature and Water Vapour in the lowermost troposphere as observed by HAMSTRAD over Dome C, Antarctica, Boundary Layer Meteorology, 143(1), 227-259. Ricaud, P., F. Carminati, J.-L. Attié, Y. Courcoux, T. Rose, C. Genthon, A. Pellegrini, P. Tremblin, and T. August, 2013 : Quality Assessment of the First Measurements of Tropospheric Water Vapor and Temperature by the HAMSTRAD Radiometer over Concordia Station, Antarctica, IEEE Transactions on Geoscience and Remote Sensing, 51( 6), 3217-3239. Page 43 GMGEC-12 Le front équatorial Atlantique et la mousson africaine Le front équatorial Atlantique est un front océanique saisonnier qui sépare les eaux de la langue d’eau froide (entre 4°S et 1°N) des eaux tropicales qui circulent au fond du Golfe de Guinée. Ce front, présent dans l’est du bassin Atlantique tropical, se renforce considérablement de mai à septembre, jusqu’à atteindre des gradients méridiens de 2°C sur 20km. Il influence les basses couches atmosphériques en accélérant le flux de mousson et contribue au déplacement vers le nord de la zone de convergence intertropicale ainsi qu’au saut de mousson (Caniaux et al., 2011 ). Or, ce front est très mal reproduit dans les modèles climatiques, dû à la mauvaise position et au refroidissement sous-estimé de la langue d’eau froide ; finalement son rôle moteur sur la mousson ouest-africaine est déficient. La question fondamentale consiste à identifier l’origine de ce front océanique, à expliquer le renforcement des gradients méridiens de température ainsi que sa position le long de l’équateur entre 15°W et les côtes Africaines. Ces questions ont été résolues grâce aux données de la campagne AMMA (Wade et al., 2011) et à des simulations numériques réalistes de la zone (Giordani et Caniaux, 2011 ; Giordani et al., 2013). L’application pour la première fois de diagnostiques de la frontogénèse à l’océan superficiel (Giordani et Caniaux, 2014, soumis à Climate Dynamics) ont abouti aux résultats suivants. La Figure de gauche représente les moyennes des températures de surface de l’océan (TSO ; couleurs) et des courants de surface entre mai et août 2006. La ligne magenta délimite des gradients méridiens de TSO et positionne le front océanique équatorial entre la langue d’eau froide et les eaux équatoriales plus chaudes au nord. La Figure de droite représente le forçage frontogénétique, qui est maximum dans les zones de maximum de gradient de la TSO. La décomposition du forçage frontogénétique en composante thermique et dynamique montre que l’origine des gradients dans le front équatorial ne doit pas son origine à la divergence verticale des flux entre la surface et la base de la couche mélangée (composante thermique). Elle la doit à la convergence méridienne des courants de surface (composante dynamique), notamment entre le Courant de Guinée présent le long des côtes de l’Afrique occidentale et le Courant Equatorial Sud dirigé vers l’ouest dont l’extension coïncide avec celle de la langue d’eau froide. La convergence de ces courants est accentuée lors du renforcement des alizés de sud-est. Références : Caniaux, G., H. Giordani, J.L. Redelsperger, F. Guichard, E. Key, and M. Wade, 2011: Coupling between the Atlantic Cold Tongue and the West African monsoon in boreal spring and summer. Journal of Geophysical Research., 116, C04003, DOI:10.1029/2010JC006570. Giordani, H., and G. Caniaux, 2011 : Diagnosing vertical motion in the Equatorial Atlantic. Ocean Dynamics, 61, 1995-2018, DOI :10.1007/s10236-011-0467-7. Giordani, H., G. Caniaux, and A. Voldoire, 2013: Intraseasonal mixed layerheat budget in the equatorial Atlantic during the cold tongue development in 2006. Journal of Geophysical Research., 118, 650-671, DOI:10.1029/2012JC008280. Wade, M., G. Caniaux, and Y. du Penhoat, 2011 : Variability of the mixed layer heat budget in the eastern equatorial Atlantic during 2005-2007 as inferred using Argo floats. Journal of Geophysical Research., 116, C08006, DOI:10.1029/2010JC006683. Page 44 GMGEC-13 Couplage Océan-Atmosphère pour la prévision des Cyclones Tropicaux Réaliser la mise au point d’un modèle couplé océan-atmosphère (OA) à aire limitée est l’un des objectifs communs de Météo-France et de Mercator-Océan. La coopération entre ces deux organismes vise, grâce au développement de cet outil numérique, à développer un système opérationnel de prévisions couplés OA régional à haute résolution, apte à représenter explicitement des systèmes nuageux complexes et leurs interactions avec l’océan. Cette plate-forme est constituée des modèles NEMO (1/12°) pour l’océan et AROME (2,5 km) pour l’atmosphère. Ce système a permis de réaliser un ensemble de 9 simulations forcées et couplées de cinq jours du cyclone Ivan, observé en février 2008 dans l’Océan Indien. Les simulations forcées (en rouge) surestiment systématiquement l’intensité du cyclone de référence (« Best-Track » en noir). La phase d’intensification rapide démarre également trop tôt et trop brutalement comparé aux observations. Cela entraîne des écarts d’intensité pouvant atteindre temporairement 40 hPa, le 16 Février par exemple, et plus de 20 hPa lors du maximum d’intensité (Figure a). Le même constat peut-être fait pour le vent maximum qui atteint quasiment 70 m/s en forcé au pic d’intensité, contre 50 m/s dans les observations (Figure b). La simulation couplée reproduit mieux l’évolution de l’intensité du cyclone (en bleu). Un autre résultat important de l’effet du couplage est la forte diminution de l’écart type (segments verticaux) de l’ensemble de simulations couplées (en bleu) par rapport aux simulations forcées (en rouge) à toutes les échéances. Cela signifie qu’une part importante de la variabilité inter-membre des simulations forcées n’est pas due aux états initiaux atmosphériques différents comme on pourrait le penser, mais à l’absence de couplage avec l’océan. Le couplage permet de réduire l’apport d’énergie de l’océan vers l’atmosphère, alors qu’il est illimité dans les simulations forcées. Ce déséquilibre énergétique est responsable de la forte variabilité observée d’une simulation forcée à l’autre. Dans les simulations couplées, l’océan et l’atmosphère s’équilibrent mutuellement d’un point de vue thermodynamique, ce qui atténue leurs réponses mutuelles et se traduit par une variabilité plus faible d’une simulation couplée à l’autre. L’absence de couplage introduit en conséquence une dispersion artificielle entre les différents membres. Références : Samson, G., H. Giordani, G. Caniaux and F. Roux, 2009: Numerical Investigation of an Oceanic Resonant Regime induced by Hurricane Winds. Ocean Dyn., Doi, 10.1007/s10236–009–0203–8. Samson, G., 2009 : Modélisation de la réponse océanique à un cyclone tropical et de sa rétroaction sur l’atmosphère. Thèse de Doctorat, Université Paul Sabatier, Toulouse. Samson, G., J. Chanut, H. Giordani, D. Barbary, et Y. Drillet, 2014 : Couplage AROME-NEMO: Application à la prévision cyclonique. Rapport du projet O3-MAR. Page 45
