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 1. MRC vs MCG D’où peut venir la valeur ajoutée (VA)? VA comme fonction des échelles spatiales 2. Comparaison de la précipitation aux échelles du MGC: modèles vs observations. 3. MRC Canadien vs MCG Canadien 4. Cycle annuel Histogrammes quotidiennes Evénements les plus extrêmes Discussion des résultats. § Incertitudes de l’étude. MRC vs MGC: D’où peut venir la valeur ajoutée? MRC à plus haute résolution • Discrétisation plus exact d'équations Avantage • Meilleure représentation des forçages de surface Avantage Topographie, régions côtières, effets de lacs et autres Mais, ils résout un domaine limité Désavantage Erreurs dans conditions latérales au frontière (Diaconescu et al. 2007) Technique de pilotage utilisée peut introduire des erreurs 3 Échelles d’intérêt Modèle Global 1 2 3 Modèle Régional Longueur d’onde Adapté de Laprise (2003) 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)). OBJECTIF général: étudier la valeur ajoutée dans des simulations du MRC pour des statistiques quotidiennes de précipitation dans la région 3 Approche objectif général: comparaison aux échelles du MGC Climat observé Climat MRC Statistique climatique VALEUR AJOUTÉE Climat du MGC : CGCM3.1 Type: spectral Res Hor..: T47 (approx. 3.75° lat-lon) Climat MGC 5 Approche objectif général: comparaison aux échelles du MGC Climat observé Climat MRC Statistique climatique VALEUR AJOUTÉE Climat MGC Climat du MGC : CGCM3.1 Climat du MRC version MRC_V4.2.0 Type 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 6 Approche objectif général: comparaison aux échelles du MGC Climat observé Climat MRC Statistique climatique VALEUR AJOUTÉE Climat MGC = 60 stations --- ~ 60 MRC points 1 MGC point * Climat du MGC : CGCM3.1 Climat du MRC version MRC_V4.2.0 Pilotée par CGCM3.1 v2 NCEP/NCAR, les deux avec lsn / Réanalyses Climat Observé : d’Environnement Canada. * * * * * ** *** **** **** * * * * * ** * * ** ** * * * * * * *** * * * *** * * * * * ** * * * *** ********** ** ** * Moyenne spatial des données journalières stations * 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 7 Approche pour les autres forçages Variable Précipitation Forçage de surface: 5 régions différentes au Canada 1 point de grille du MGC 5 1 2 3 4 4 points de grille du MGC Approche pour les autres forçages Variable Précipitation Forçage de surface 5 régions différentes Statistiques climatiques (1971 - 1990) Moyennes mensuelles Etudier le cycle annuel Distributions de fréquence d’intensité Événements plus extrêmes Circulation atmosphérique Différentes saisons (DJF, MAM, JJA, SON) MOYENNE MENSUELLE DE PRÉCIPITATION OBS REGION 2 MGCC MRCC (pilote: CGCM) MRCC (pilote: NCEP) REGION 1 REGION 4 REGION 5 HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES Fréquence (%) HIVER (DJF) - REGION 1 OBS MGCC MRCC (pilote: CGCM) MRCC (pilote: NCEP) 11 Seuil (mm/jour) HISTOGRAMMES DE PRÉCIPITATION HIVER (DJF) Fréquence (%) REGION 2 OBS - DONNÉES JOURNALIERES MGCC MRCC (CGCM) OBS MRCC (NCEP) MGCC MRCC (CGCM) MRCC (NCEP) REGION 3 REGION 4 REGION 5 12 Seuil (mm/jour) HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES Fréquence (%) ÉTÉ (JJA) - REGION 1 OBS MGCC MRCC (CGCM) OBS MRCC (NCEP) MGCC MRCC (CGCM) MRCC (NCEP) 13 Seuil (mm/jour) HISTOGRAMMES DE PRÉCIPITATION ÉTÉ (JJA) Fréquence (%) REGION 2 OBS - DONNÉES JOURNALIERES MGCC MRCC (CGCM) OBS MRCC (NCEP) MGCC MRCC (CGCM) MRCC (NCEP) REGION 3 REGION 4 REGION 5 14 Seuil (mm/jour) ACCORD ENTRE DONNÉES SIMULÉES ET OBSERVÉES • S: Mesure le degré de chevauchement entre deux histogrammes n S minPmod x , Pobs x x 1 S = 1 pour deux histogrammes égales HIVER (DJF) ÉTÉ (JJA) Région Région REPRESENTATION DES JOUR SECS R m od Jour Secsmod Jour Secsobs Jours secs: événements avec un taux de précipitation < 1 mm/jour HIVER (DJF) ÉTÉ (JJA) Région Région PERCENTILE 95 % Evaluation des événements les plus intenses. 5% de données journalières sont plus grandes que le percentile 95% Taux de précipitation (mm/jour) HIVER (DJF) ÉTÉOBS (JJA) MGCC MRCC (CGCM) OBS MRCC (NCEP) MGCC MRCC (CGCM) MRCC (NCEP) 40 30 20 10 0 1 2 3 Région 4 5 1 2 3 Région 4 5 17 RÉSUMÉ DES RESULTATS 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 Rien ne prouve qu’il existe de la valeur ajoutée dans les simulation du MRCC DISCUSSION Pourquoi pourrait-on attendre l’existence de valeur ajoutée dans les échelles étudiées? 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 DISCUSSION 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. 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 TwoDimensional 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