Prévisibilité saisonnière à interannuelle en Arctique

Transcription

1 Prévisibilité saisonnière à interannuelle en Arctique Seasonal-to-interannual predictability in the Arctic Matthieu Chevallier 1,2 David Salas y Mélia 1, Gilles Garric 2, Marion Gehlen 3, Agathe Germe 1, Virginie Guémas 1,4, Marie-Noëlle Houssais 5, Roland Séférian 3,1 (1) CNRM-GAME (Météo-France, CNRS), Toulouse, France (2) Mercator-Océan, Ramonville Saint-Agne, France (3) IPSL/LSCE, Gif-sur-Yvette, France (4) IC3, Barcelone, Espagne (5) IPSL/LOCEAN, Paris, France

2 Motivations Prévisibilité: Lorenz, 1963 Deux types de prévisibilité pour un «milieu» (océan, atmosphère, banquise...) + Temps Prévisibilité liée aux conditions initiales Temps Prévisibilité liée aux conditions aux frontières

3 Motivations Prévisibilité: Lorenz, 1963 Deux types de prévisibilité pour un «milieu» (océan, atmosphère, banquise...) + Temps Prévisibilité liée aux conditions initiales Temps Prévisibilité liée aux conditions aux frontières Etendue de banquise arctique: 2 à 6 mois (Blanchard-W. et al., 2011; Chevallier et Salas y Mélia, 2012).

4 Motivations Prévisibilité: Lorenz, 1963 Deux types de prévisibilité pour un «milieu» (océan, atmosphère, banquise...) + Temps Prévisibilité liée aux conditions initiales Temps Prévisibilité liée aux conditions aux frontières Etendue de banquise arctique: 2 à 6 mois (Blanchard-W. et al., 2011; Chevallier et Salas y Mélia, 2012). Il est possible de prévoir l étendue de banquise arctique à quelques mois à l avance à l aide d un modèle de prévision bien initialisé.

5 Motivations Prévisibilité: Lorenz, 1963 Deux types de prévisibilité pour un «milieu» (océan, atmosphère, banquise...) + Temps Prévisibilité liée aux conditions initiales Temps Prévisibilité liée aux conditions aux frontières Besoins croissants en prévisions saisonnières/interannuelles de banquise: Pêche, Transport maritime, Recherche, Autres... Eté et hiver... 1 mois 1 an 3 ans 10 ans... saisonnier interannuel décennal opérationnel stratégique

6 Un système couplé Exemple: la mer de Barents Import de glace Vents Persistance de la glace Circulation atmosphérique de grande échelle Anomalie de chaleur océanique locale L Anomalie de chaleur océanique advectée Activité cyclonique Schlichtholz et Houssais, 2011, JGR Schlichtholz, 2011, GRL Årthun et al., 2012, J. Clim. Blanchard-Wrigglesworth et al., 2011, J. Clim. Bien connaître l état du système: «état initial». Simuler les interactions avec les autres composantes. Poster M.N. Houssais, C. Herbaut et al.

7 Protocole Prévisions à 5 mois: à partir du 1er mai: prévisions de septembre (minimum estival). à partir du 1er novembre: prévisions de mars (maximum hivernal). Prévisions avec le modèle couplé CNRM-CM5.1 (CNRM-GAME+CERFACS) Modèle global Environ 1 x 1 de résolution horizontale Initialisées au plus près de l état historique du système océan-banquise-atmosphère Atmosphère: réanalyse ERA-Interim Océan/banquise? Voldoire et al., 2013, Clim. Dyn. Chevallier et al., 2013, J. Clim. Poster M. Chevallier et al.

8 Initialisation Connaissance complète du système à un instant t: à partir des observations? Concentration/étendue de banquise: satellite depuis 1979 (NSIDC, CERSAT) Epaisseur de banquise: mouillages, campagnes, satellite depuis Océan de surface/océan profond... Solution: le modèle pour reconstruire l état historique Modèle océan-banquise forcé par des réanalyses atmosphériques variabilité interannuelle Epaisseur moyenne, mars ( ) Différence modèle-icesat, hiver Chevallier et Salas y Mélia, 2012, J. Clim. Chevallier et al., 2013, J. Clim. 4m

9 Résultats: prévisions saisonnières du minimum estival pan-arctique Prévisions Mai Septembre avec le modèle couplé CNRM-CM5.1 ANOMALIE D ETENDUE (Mkm 2 ) PREVISION MODELE (+/- 1 écart-type) OBSERVATIONS (NSIDC) Corrélation d anomalies prévisions vs observations: CNRM-CM5.1: 0.6 CanSIPS (Environnement Canada): <0.2 Epaisseur «arbitraire» dans l état initial Qualité des prévisions liée à une bonne initialisation (épaisseur). Chevallier et al., 2013, J. Clim. Sigmond et al., 2013, GRL Merryfield et al., 2013, GRL

10 Résultats: prévisions saisonnières du minimum estival pan-arctique Prévisions Mai Septembre avec le modèle couplé CNRM-CM5.1 ANOMALIE D ETENDUE (Mkm 2 ) PREVISION MODELE (+/- 1 écart-type) OBSERVATIONS (NSIDC) OBS Corrélation d anomalies prévisions vs observations: CNRM-CM5.1: 0.6 CanSIPS (Environnement Canada): <0.2 Epaisseur «arbitraire» dans l état initial PRE Qualité des prévisions liée à une bonne initialisation (épaisseur). Biais (-) liés aux biais des modèles (atmosphère) et du couplage. Chevallier et al., 2013, J. Clim. OBS: Observations PRE: Prévisions

11 Résultats: prévisions saisonnières en mer de Barents en mars Prévisions Novembre Mars avec le modèle couplé CNRM-CM5.1 OBS PRE OBS: Observations PRE: Prévisions OBS PRE Advection de chaleur océanique en mer de Barents (TW/m 2 ). Corrélation d anomalies prévisions MAR vs observations: 0.65 Corrélation d anomalies prévisions JFM vs observations: 0.56 Qualité des prévisions liée à une simulation réaliste de la physique. Chevallier, Germe et Salas y Mélia, 2013, en préparation.

12 Résultats: prévisions saisonnières en mer de Barents en mars Prévisions Novembre Mars avec le modèle couplé CNRM-CM5.1 OBS PRE OBS: Observations PRE: Prévisions OBS PRE Advection de chaleur océanique en mer de Barents (TW/m 2 ). Corrélation d anomalies prévisions MAR vs observations: 0.65 Corrélation d anomalies prévisions JFM vs observations: 0.56 Qualité des prévisions liée à une simulation réaliste de la physique. Biais (+) liés à la résolution horizontale. Chevallier, Germe et Salas y Mélia, 2013, en préparation.

13 Conclusions Prévisions saisonnières à l aide d un modèle couplé Initialisation réaliste (modèle+réanalyse atmosphérique) Qualité des prévisions liée: à une bonne initialisation (épaisseur) une simulation réaliste de la physique/des interactions Biais des prévisions liés: à des biais des modèles individuels et du couplage à la résolution horizontale à une initialisation encore imparfaite

14 Conclusions Prévisions saisonnières à l aide d un modèle couplé Initialisation réaliste (modèle+réanalyse atmosphérique) Qualité des prévisions liée: à une bonne initialisation (épaisseur) une simulation réaliste de la physique/des interactions Biais des prévisions liés: à des biais des modèles individuels et du couplage à la résolution horizontale à une initialisation encore imparfaite travail d amélioration/validation des modèles des composantes individuelles intégration de nouvelles composantes du système climatique: stratosphère, ozone, biogéochimie marine, hydrologie continentale, neige... haute résolution (océan: au moins 1/20 ; atmosphère: stratosphère résolue).

15 Perspectives Scientifiques au-delà du saisonnier: le décennal (Poster A. Germe) rôle de la biogéochimie marine dans la prévisibilité arctique? prévisibilité de la banquise arctique prévisibilité de l atmosphère aux moyennes latitudes? évolution de la prévisibilité arctique dans le futur Germe et al., 2013, J. Clim, soumis. Séférian et al., 2013, soumis.

16 Perspectives Scientifiques au-delà du saisonnier: le décennal (Poster A. Germe) rôle de la biogéochimie marine dans la prévisibilité arctique? prévisibilité de la banquise arctique prévisibilité de l atmosphère aux moyennes latitudes? évolution de la prévisibilité arctique dans le futur Collaboratives ANR POLARIS (soumise) synergie observations/modélisation pour la construction d états initiaux nouvelles réanalyses (poster PPR Arctique), perspectives opérationnelles... prévisions océan-banquise-biogéochimie intégrées planification, gestion des ressources halieutiques... WWRP Polar Prediction Project «Year of Polar Prediction». Germe et al., 2013, J. Clim, soumis. Séférian et al., 2013, soumis.

17 Merci de votre attention!