Les précipitations en Antarctique : comparaison entre les observations de télédétection CloudSat et le modèle de climat global LMDz. Florentin Lemonnier LMD/IPSL, CNRS – Paris, France J.B. Madeleine, C. Claud, C. Genthon, G. Krinner, H. Gallee, A. Berne, J. Grazioli, F. Hourdin, E. Vignon, L. Fairhead & L. Mellul Introduction : L'Antarctique ● Ressources : ○ ● Météorologie : ○ ○ ○ 2 75 % de l'eau douce terrestre. Accumulation de neige sur la calotte. Vêlage d'icebergs, peu de ruissellement, peu d'évaporation. Érosion éolienne. Introduction : Le réchauffement climatique ● Conséquences : ○ ○ Modification de l'accumulation de neige. Déstabilisation de la calotte. À long terme : augmentation du niveau de la mer ? 3 Introduction : Le projet APRES3 ● ANR Antarctic Precipitation, Remote Sensing from Surface and Space. ● Projet météorologique : ○ ○ 4 Observation des chutes de neige. Modélisation du climat polaire. Observations : CloudSat ● Satellite d'observation terrestre du A-train (NASA). ● Radar météorologique : ○ ○ ○ ● Observation des nuages et des précipitations. Altitude limite d'observation : ~ 1,2km. Fréquence de 94 GHZ. Comparaisons avec le modèle LMDz. ○ ○ Validation du modèle ? Bonne modélisation de la précipitation ? Haynes et al., 2009 Palerme et al., 2014 5 Observations VS Modèle LMDz ● Bon accord en moyenne annuelle sur 2007-2010 : ○ ○ ● Taux de précipitation du modèle LMDz : 172 mm/an. Taux de précipitation issu de CloudSat : 153 mm/an. Biais importants : ○ ○ Sur-estimation des précipitations côtières. Déphasage de la variabilité saisonnière en été et en hiver sur le plateau continental. Haynes et al., 2009 Palerme et al., 2014 6 Résolution : grille de 144x142 points 79 niveaux verticaux Simulation LMDz 6 AMIP non-guidée Observations VS Modèle LMDz ● Bon accord en moyenne annuelle sur 2007-2010 : ○ ○ ● Taux de précipitation du modèle LMDz : 172 mm/an. Taux de précipitation issu de CloudSat : 153 mm/an. Incertitudes de CloudSat : ○ De l'ordre de ±100% à ±200%. Haynes et al., 2009 Palerme et al., 2014 7 Résolution : grille de 144x142 points 79 niveaux verticaux Simulation LMDz 6 AMIP non-guidée Problématique Comprendre l'origine des désaccords entre les observations et le modèle. 8 Problématique Comprendre l'origine des désaccords entre les observations et le modèle. Améliorer les paramétrisations contrôlant les chutes de neige en Antarctique. 9 Problématique Comprendre l'origine des désaccords entre les observations et le modèle. ● Sélection d'un niveau vertical pour comparer les modélisations à CloudSat. ● Comparaison de simulations sur 2007-2010 : ○ ○ 10 AMIP non-guidée. AMIP avec un guidage en vent. Précipitations au sol VS Précipitations à 1,2 km ● Limite de détection de la précipitation par CloudSat : 1,2 km. % Precipitation sol −Precipitation1.2km Precipitationsol Écart relatif entre précipitations au sol et précipitations à 1,2 km – simulation AMIP non-guidée, moyenne annuelle. 11 Précipitations au sol VS Précipitations à 1,2 km ● Limite de détection de la précipitation par CloudSat : 1,2 km. ● Écart de taux de précipitation de ~50 mm/an. CloudSat (mm/an) Précipitations en surface Précipitations à 1,2 km 12 AMIP (mm/an) AMIP guidée (mm/an) - 177 189 153 131 138 Simulation AMIP non-guidée ● ● Bon accord en moyenne annuelle sur le plateau entre le modèle et les observations. Sous-estimation de LMDz de la précipitation sur les côtes. % Carte relative : Precipitation LMDz −PrecipitationCloudSat PrecipitationLMDz Écart relatif entre simulation & observations CloudSat. Simulation AMIP non-guidée en %, moyenne annuelle. 13 Simulation AMIP guidée en vent ● ● Meilleur accord en moyenne annuelle entre le modèle et les observations. Sur-estimation de LMDz de la précipitation sur le plateau. % Définition du guidage : u −u ∂u ∂u = + analysis τ ∂t ∂ t GCM Écart relatif entre simulation & observations CloudSat . Simulation AMIP guidée en vent en %, moyenne annuelle. 14 Contraintes sur l'altitude de CloudSat ● Limite d'observation de CloudSat de ~ 1,2 km. ● Encadrement du niveau sélectionné dans LMDz de ± 300 mètres (niveaux σ dans LMDz) . Simulation AMIP non-guidée 15 Simulation AMIP guidée en vent Vérification de la dynamique de LMDz ● Cyclogénèse côtière du modèle convenable pour les simulations AMIP guidées. ERA-Interim Simulation AMIP non guidée Simulation AMIP guidée en vent Pression moyenne au niveau de la mer pour l'hémisphère Sud 16 Vérification de la dynamique de LMDz ● Cyclogénèse côtière du modèle convenable pour les simulations AMIP guidées. ERA-Interim Simulation AMIP non guidée Simulation AMIP guidée en vent Pression moyenne au niveau de la mer pour l'hémisphère Sud 17 Vérification de la dynamique de LMDz ● Cyclogénèse côtière du modèle convenable pour les simulations AMIP guidées. ERA-Interim Simulation AMIP non guidée Simulation AMIP guidée en vent Pression moyenne mieux au niveau de la mer pourlal'hémisphère Sudmodèle par Nouvelle problématique : contraindre physique du l'analyse de la distribution géographique de la précipitation CloudSat. 18 Perspectives 19 ● Étudier un jeu de simulations AMIP guidées en humidité et en température. ● Ré-estimer les incertitudes de CloudSat pour étudier la variabilité saisonnière. ● Étude de la distribution spatiale des précipitations. Perspectives ● Étudier un jeu de simulations AMIP guidées en humidité et en température. ● Ré-estimer les incertitudes de CloudSat pour étudier la variabilité saisonnière. ● Étude de la distribution spatiale des précipitations. Étudier localement la modélisation du climat avec LMDz : → Comparer le modèle aux observations acquises à Dumont D'Urville. Améliorer les paramétrisations contrôlant la chute de neige en Antarctique. 20 Perspectives ● Étudier un jeu de simulations AMIP guidées en humidité et en température. ● Ré-estimer les incertitudes de CloudSat pour étudier la variabilité saisonnière. ● Étude de la distribution spatiale des précipitations. Étudier localement la modélisation du climat avec LMDz : → Comparer le modèle aux observations acquises à Dumont D'Urville. Améliorer les paramétrisations contrôlant la chute de neige en Antarctique. Objectif : Améliorer le comportement du modèle dans les simulations de prévision climatique couplées. 21 Questions ? MERCI POUR VOTRE ATTENTION 22