PHYSIQUE DES VAGUES DE CHALEUR et RÉDUCTION DES BIAIS DES MODÈLES Françoise Guichard (CNRM) et Frédéric Hourdin (LMD/IPSL) PARTICIPANTS liste indicative 'CNRM-GAME' Barbier (thèse), Bouniol, Couvreux, Déqué, Favot, Guichard, Honnert, Largeron (PostDoc), Roehrig,Tomasini + Kergoat (GET) CRC Pohl 'LOCEAN' Armante, Cheruy, Crevoisier, Diallo (thèse), Hourdin, Mellul, Musat, Lefebvre, Rio, Sèze (LMD) LPAOSF Gaye
PHYSIQUE DES VAGUES DE CHALEUR et RÉDUCTION DES BIAIS DES MODÈLES OBJECTIFS Etudier les processus physiques mis en jeu lors de la phase chaude du printemps et lors des épisodes de canicule Evaluer et améliorer des paramétrisations utilisées dans les modèles pour représenter ces processus physiques Améliorer la simulation de la température au printemps dans les modèles de climat Identifier les éléments indirects mais robustes permettant de caractériser les vagues de chaleur et leur évolution climatique
Axe 4.1 PHYSIQUE DES VAGUES DE CHALEUR et RÉDUCTION DES BIAIS DES MODÈLES Documentation des processus physiques et compréhension des mécanismes de couplage opérant au printemps durant les vagues de chaleur (CNRM-GAME, LOCEAN) Coordonnatrice: Françoise Guichard Axe 4.2 Simulation numérique de vagues de chaleur en mode prévision: cas d'étude (CNRM-GAME, CRC, LOCEAN, LPAOSF) Coordonnateurs: Romain Roehrig et Fleur Couvreux Axe 4.3 Simulation de la température moyenne au printemps par les modèles de climat (CNRM-GAME, CRC, LOCEAN) Coordonnateur: Frédéric Hourdin
déc 2015 Year 5? T4
OBSERVATIONS : Données locales Axe 4.1 - sondages et données SYNOP (Dakar, Ouaga, Niamey, et autres) - stations météo & rayonnement et de stations de flux (Gourma, Niger) données de ce type pour le Burkina et le Sénégal? Pour 2017: utilisation de ces jeux de données pour documenter le climat au printemps et les vagues de chaleur
Axe 4.1 Pour analyser les processus physiques associés aux vagues de chaleur identifiées par Jessica (cf WP3) Bilan énergétique surface, couche limite, AOD, nuages, advections J. Barbier In prep.
OBSERVATIONS : Poussières désertiques Axe 4.1 MODIS, aéronet : une grande variabilité interannuelle, AOD max très élévées - quel role/impact? (Tmin, DTR, vagues de chaleur) - importante source d'erreur pour la modélisation! Modis True Colour (Sahel) AOD 2016 < A0D 2010? Il semblerait...
Axe 4.2 Simulation numérique de vagues de chaleur en mode prévision: cas d'étude Quels role/importance des paramétrisations physiques dans les modèles lors des vagues de chaleur? Attendus principaux de 4.2 - Le 1er cas d'étude de vague de chaleur sahélienne aussi bien documenté et étudié! - Etat de l'art capacité des modèles actuels à reproduire une vague de chaleur au Sahel - Base de reflexion sur l'influence des facteurs locaux, régionaux versus de plus grande échelle sur la prédictabilité de cette vague de chaleur ainsi que sur son cycle de vie - Recommandations sur les limites de l'utilisation des modèles L'Axe 4.2 est un élément charnière de la pour initier les interactions avec les autres Tâches, et un maillon important d'échange entre les axes 4.1 et 4.3
Axe 4.2 Le cas d'étude du printemps 2010 collecte et 1ere analyses de données (voir livrables) mise en ligne MISVA/ACASIS (aide précieuse de Florence Favot) analyse de la situation: présentation de Romain Définition d'un set-up pour l'intercomparaison : introduction par Fleur Simulations MésoNH : présentation de Mireille humidification du sol Précipitation 1ères simulations augmentation de la en juillet 2015 fraction évaporative Juin 2016 : Toujours des écarts aux observations, mais beaucoup moins qu'en juillet 2015! biais froid de la température à la surface Analyse et évaluation des processus physiques dans les runs ARPEGE du cas d'étude (Yann Largeron, 1er mai 2016), runs CMIP5 & CMIP6 nudgés
Axe 4.2 réaliser une 'bonne' simulation numérique d'une vague de chaleur sahélienne n'est pas une tache facile... Modèles de Prévisions Météo Dérives temporelles recalage de plusieurs K à chaque nouveau départ ARPEGE ECMWF
Axe 4.2 ARPEGE ECMWF
Axe 4.2 (W/m2) ARPEGE Une tendance à faire des précipitations un peu trop facilement?
Comparaison de deux modèles de prévision : ARPEGE ECMWF (W/m2) Axe 4.2 (W/m2) Comparaisons et évaluations physiques systématiques au programme de 2016-2017 Diagnostic Jessica adapté au mode prévision appliqué à ARPEGE & ECMWF (site web MISVA/ACASIS)
Axe 4.3 Simulation de la température au printemps par les modèles de climat simulations analysées sous le même angle processus, sur de longues durées (plusieurs années, SST prescrites) ARPEGE, LMDZ Test des nouvelles paramétrisations sur ces simulations longues (couche limite, convection, poussières... / CMIP6) Utilisation de configurations plus ou moins contraintes par des circulations de grande échelle afin de déterminer l'importance des sources de biais générées localement versus à distance Exploitation des diagnostics détaillés (bilans), des modèles au points cfsites Idée d'ajouter des points 'ACASIS' (? ) Beaucoup de travail autour de CMIP6, et plusieurs études en cours, dont : Analyse de la température au printemps dans les runs CMIP5 : présentation Romain Etude des processus physiques dans les simulations LMDZ guidées : présentation Binta Analyse des PDF de température journalière et relations avec les tendances climatiques dans les observations (SYNOP, BEST) et dans les runs CMIP5 (Guichard, Léauthaud et al.)
M4.1a dec 2014 (m 12)Temperature in spring: budgets and couplings in local datasets (CNRM,LMD) D4.1a juin 2015 (m 18) Influences of water vapour, clouds and aerosols on surface radiation: data-based local studies (CNRM) D4.1b juin 2015 (m 18) Diurnal fluctuations, boundary layers and clouds of heat waves (CNRM,LMD) M4.1b dec 2015 (m 24) Interpretation of IASI observations with data and RRTM radiative estimations (LMD) D4.1c dec 2015 (m 24) Documentation of heat waves at larger scales with satellite and synop datasets (CNRM, LMD) M4.2a juin 2015 (m 18) Selection & preparation of observationally-based documentation of the case study (CRC, collaboration T4-T3) retraite Fontaine -> (CNRM) M4.2b déc 2015 (m 24) Definition of simulation set ups, sensitivity tests and common outputs (CNRM) D4.2a déc 2016 (m 36) Evaluation of the simulations (CNRM, CRC, LMD) (collaboration T4-T6) D4.2b déc 2017 (m 48) Report on the capabilities of models to simulate heat wave and recommendations for forecast systems (CNRM, CRC, collab T3.2) M4.3a déc 2014 (m 12) Documentation of current results in LMDZ and ARPEGE (LMD, CNRM) D4.3a déc 2016 (m 36) Reports on the improvement due to the new physical parametrizations in ARPEGE and LMDZ (CNRM, LMD) M4.3b déc 2016 (m 36) Links between the spread in CMIP5 simulations over the Sahel and at global scale (LMD, CNRM) D4.3b déc 2017 (m 48) Assessment of robust changes in future heat waves (CNRM, CRC, LMD)
Climat models CMIP5: how does multidecadal warming translates at the daily scale? PDF of Tmin for the 5 colder & 5 warmer years (10 W-0 E, 12 N, 20 N, 1980-2010) Spread in annual cycles also translates into the variety of PDF shapes: Mono- versus bi-modal, diverse degrees of skewness... (signature of model) Warmer years versus colder years: a shift of the PDF in some models but not in others Use of observations to frame the analysis, work in progress... (Guichard, Leauthaud et al.)