Marie Minvielle. 14 septembre Thèse effectuée au CERFACS sous l'encadrement de Laurent TERRAY et Christophe CASSOU

Transcription

1 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 de Laurent TERRAY et Christophe CASSOU 14 septembre 2009

2 1. Introduction 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. 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) IPCC 2007 Pôle Nord Pôle Sud 2

3 1. Introduction Origine des biais océaniques dans les modèles couplés Les biais dans la représentation des variables de surface atmosphériques La résolution trop basse de la composante océanique dans les modèles couplés Modèle climatique Modèle d océan plus haute résolution - Meilleure représentation de la bathymétrie - Amélioration de la circulation générale océanique, principaux courants - Processus petite échelle: upwelling côtiers, activité tourbillonnaire mésoéchelle (convection, restratification, transport de chaleur, ) (m) Comment contourner ces difficultés? 3

4 4 1. Introduction Objectif 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.

5 1. Introduction Variabilité climatique dans l Océan Atlantique Le climat dans le bassin atlantique varie à toutes sortes d'échelles spatio-temporelles. Atlantique nord Aux moyennes et hautes latitudes, l océan répond principalement au forçage atmosphérique. Kushnir et al. (2002) Atlantique tropical Dans les tropiques, la variabilité de l océan résulte principalement de processus couplés océan/atmosphère. D Mode méridien atlantique A Oscillation Nord Atlantique (NAO) Chiang et Vimont (2004) 5

6 1. Introduction Objectif 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. 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 6

7 7 PLAN 1 Introduction Principe général de la méthode Liens entre la dynamique atmosphérique de grande échelle et les variables de surface Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

8 8 2. Principe général de la méthode OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution

9 9 2. Principe général de la méthode OBSERVATIONS circulation atmosphérique de grande échelle Modèle statistique variables atmosphériques à la surface de l'océan 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

10 10 2. Principe général de la méthode Les régimes de temps Circulation atmosphérique de grande échelle Approche choisie : régimes de temps Variable atmosphérique de grande échelle Centroïde Groupes de jours de conditions atmosphériques proches N régimes de temps Valeurs journalières Vautard, 1990 Centroïde 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 11 2. Principe général de la méthode Variables atmosphériques de surface à reconstruire Processus entrant en jeu dans le forçage de l océan : - flux turbulents : tension de vent τ, chaleur latente et sensible - flux radiatifs: infrarouge + solaire - flux d eau douce : précipitations + eau douce continentale - évaporation UV10 T2 Q2 radsw radlw P R Vent à 10m Température de l air à 2m Humidité de l air à 2m Rayonnement solaire Rayonnement infrarouge Précipitations Apports d eau douce continentaux

13 13 3. Liens grande échelle/variables de surface 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 1 ère hypothèse à vérifier avant de construire la méthode

14 3. Liens grande échelle/variables de surface Introduction 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 : Présentation centrée principalement sur la saison d hiver et les diagnostics aux variables de surface UV10 et T2 14

15 15 3. Liens grande échelle/variables de surface Les régimes classification de Z500 EXTRATROPIQUES DJFM : 4 régimes de Z500 Centroïdes de Z500 pour DJFM Exemples de composites de surface associés UV10 T2 L appartenance à un régime de temps de Z500 est discriminante pour la surface aux extratropiques

16 Les classes de vent tropicales 3. Liens grande échelle/variables de surface TROPIQUES DJFM : 4 classes de vent de UV1000 Capturent la variabilité décennale dans les tropiques Rayonnement solaire T2 Intensification et diminution de l ITCZ Mode Méridien Atlantique W/m2 C 16

17 3. Liens grande échelle/variables de surface Association régimes de Z500 et classes de vent Combinaison tropiques et extratropiques Les jours sont classés à la fois selon leur appartenance: - à un régime de Z500 - à une classe de vent tropicale AR BL NAO- C1 C2 C3 C4 NAO+ Tous les jours NAO- Composites de Z500 mgp Composites de T2 C NAO- / C1 NAO- / C2 La dynamique tropicale module l intensité des régimes de temps 17

18 Les Liens régimes grande échelle/variables de temps de surface Aux échelles de temps interannuelle et multi-décennale Liens grande échelle/surface aux échelles de temps plus longues Occurrence interannuelle des régimes classes + de classes temps vent Variable de surface Régression multiple Prédicteur : occurrence interannuelle Var Reg 8 = α j= 1 j Occ j + cste A l'échelle de temps interannuelle 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 Tendances 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.

19 19 3. Liens grande échelle/variables de surface 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 fréquence des variables atmosphériques de surface. Meilleur pouvoir discriminant : - en DJFM - aux extratropiques - pour le vent de surface UV10 Mise en évidence des connexions tropiques / extratropiques par la combinaison régimes/classes de vent. 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

21 21 4. Construction et validation de la méthode OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution

22 4. Construction et validation de la méthode Rappel sur les régimes de temps Vision simplifiée des liens entre régimes de temps et conditions atmosphériques de surface Température atmosphérique de surface Jours de Z500 Conditions froides Conditions chaudes EOF 2 Distance intra-régime Distance inter-régime EOF 1 22

23 23 4. Construction et validation de la méthode Construction de la méthode circulation atmosphérique de grande échelle Période d apprentissage variables atmosphériques à la surface de l'océan Z500 d d d d UV1000 d d d d Modèle statistique régimes Z500 + classes de UV1000 Distances journalières aux centroïdes des régimes de temps et classes de vent Régression linéaire multiple entre les distances et la variable de surface Var Reg 8 = α j= 1 Prédicteur : distance journalière j d j + cste Coefficients de régression α + cste Ré-échantillonnage Le jour le plus proche dans les observations Méthode appliquée au vent de surface UV10, même jour pour les autres variables

24 24 4. Construction et validation de la méthode OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Validation Modèle statistique variables atmosphériques à la surface de l'océan RECONSTRUITES Variables de surface reconstruites MODELE OCEANIQUE Haute résolution 0.5

25 25 4. Construction et validation de la méthode Validation du forçage reconstruit: Etat moyen 1) Validation du forçage reconstruit à partir de la grande échelle observée en le comparant aux variables atmosphériques de surface de référence DFS4 Etat moyen : Bien reconstruit pour l ensemble des variables de surface. Cycle saisonnier : Très correctement conservé Variance journalière : Bien reproduite

26 26 4. Construction et validation de la méthode Validation du forçage reconstruit: Echelle de temps interannuelle A l échelle de temps interannuelle Rapport des écart-types écarts-types Corrélation : Meilleures corrélations pour la composante zonale du vent de surface U10. -Variance : Le vent en DJFM présente une variance correcte, mais T2 souffre d une sous-estimation importante de la variance. Performances de la méthode plus mitigées en JJAS (corrélations moins importantes et sous-estimation de la variance plus marquée).

27 27 4. Construction et validation de la méthode Validation du forçage reconstruit: Echelle de temps interannuelle Principaux modes de variabilité (1 ère EOF) de UV10 à l échelle de temps interannuelle EXTRATROPIQUES DFS4 reconstruit TROPIQUES 1 er mode de variabilité de vent de surface extrêmement bien reproduit dans le jeu de forçage reconstruit, tant en structure spatiale qu en variabilité

28 4. Construction et validation de la méthode Validation du forçage reconstruit: Tendances Tendances sur la période U10 DJFM T2 Tendances très bien capturées par la méthode en DJFM JJAS T2 Pas de tendance au réchauffement en été dans reconstruit 28

29 29 4. Construction et validation de la méthode OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Validation Modèle statistique variables atmosphériques à la surface de l'océan RECONSTRUITES Variables de surface reconstruites MODELE OCEANIQUE Haute résolution 0.5 Simulation forçage reconstruit Simulation forçage observé

30 4. Construction et validation de la méthode Validation de la simulation océanique 2) Validation de la simulation océanique forcée par notre jeu de forçage reconstruit Application au modèle d océan 2 simulations océaniques avec ORCA05 (0.5 ) : - forçage DFS4 de référence - forçage reconstruit avec la méthode Etat moyen : Très correctement reproduit Variabilité interannuelle : Corrélation des moyennes annuelles SST et SSS entre DFS4 et reconstruit SST SSS 30

31 4. Construction et validation de la méthode Validation de la simulations océanique 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. Tendances (moyennes annuelles) sur la période : SST SSS DFS4 C/dec psu/dec reconstruit X : incohérence de signe Tendances correctement reproduites, avec cependant une partie du réchauffement sous-estimée 31

32 32 4. Construction et validation de la méthode 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, )

34 34 5. Application au modèle couplé CNRM-CM3 OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE ORCA05 0.5

35 5. Application au modèle couplé CNRM-CM3 Introduction Objectif 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. 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 XX ème siècle issue du modèle CNRM-CM3 - CNRM-CM3 : variables de surface directement issues de la simulation couplée CNRM-CM3 35

36 36 5. Application au modèle couplé CNRM-CM3 OBSERVATIONS CNRM-CM3 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique CNRM-CM3-rec Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution

37 37 5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruit Etat moyen Etat moyen ( ) sur les boîtes atlantiques Vent zonal U10 (m/s) Température à 2m ( C) DFS4 DFS4-rec CNRM-CM3-rec CNRM-CM3 - 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.

38 38 5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruit Variance Ecart-type journalier Vent zonal U10 (m/s) Température à 2m ( C) Amélioration de la variance journalière, trop faible dans le modèle couplé. Ecart-type interannuel Vent zonal U10 (m/s) Température à 2m ( C) DFS4 DFS4-rec CNRM-CM3-rec CNRM-CM3 Perte de variance interannuelle avec la méthode. Mais variance qui souffre aussi de biais importants dans le modèle couplé.

39 39 5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruit Variabilité 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 40 5. Application au modèle couplé CNRM-CM3 OBSERVATIONS 2. MODELE reconstruction COUPLE circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution

41 41 5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique Etat moyen Etat moyen de la température et salinité de surface Contours noirs : données Levitus SST CNRM-CM3 SSS CNRM-CM3 Salinité trop importante en mer du Labrador Sous-estimation la SST dans CNRM-CM3 Biais moyen de -2 C Salinité trop faible dans l Atlantique Sud C psu CNRM-CM3-rec CNRM-CM3-rec SST débiaisée dans CNRM-CM3-rec SSS débiaisée dans CNRM-CM3-rec

42 42 5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique Variance de la température et salinité de surface SST SSS DFS4 CNRM-CM3-rec CNRM-CM3 Aux tropiques, variance sous-estimée dans CNRM-CM3-rec mais surestimée dans CNRM-CM3 Variance surestimée dans CNRM-CM3 et plus réaliste dans CNRM-CM3-rec

43 43 5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique Variabilité interannuelle 1 ère EOF de SST CNRM-CM3-rec CNRM-CM3 Observations HadISST Variabilité temporelle conservée avec une amélioration de la structure spatiale, plus réaliste

45 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 46 6. Conclusions et Perspectives Perspectives Perspectives d amélioration de la méthode 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 application 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.

47 6. Conclusions et Perspectives Perspective : application au climat futur Etude préliminaire : application à la simulation A21 du modèle CNRM-CM3 Questions rencontrées lors de l application de la méthode - Tendance en Z500 - Tendance en température de surface Différence de SST ( ) ( ) Indice de circulation océanique méridienne moyenne Simulation A21 couplée Simulation A21 reconstruit 47

48 48 6. Conclusions et Perspectives Perspectives Perspectives d amélioration de la méthode 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 application 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.

49 Merci de votre attention 49