Réponse des précipitations continentales aux forçages anthropiques: Quoi de neuf dans les simulations CMIP5? Hervé Douville CNRM-GAME/GMGEC/VDR Remerciements: S. Tyteca NB: Données disponibles sous /cnrm/gmgec/cmip5/origin Ateliers de Modélisation de l Atmosphère, Toulouse, 24/01/12
Peut-on affiner les scénarios globaux? 2 Précipitations (%) Température (K) Incertitude totale sur la moyenne globale et décennale (a) des précipitations et (b) de la température en surface simulées par les modèles CMIP3 de 1950 à 2100 (D après Hawkins and Sutton, Climate Dyn. 2011)
3 Ce que l on sait malgré tout Clausius-Clapeyron explique en partie la réponse de la convergence d humidité («the rich get richer and the poor get poorer», Held and Soden 2006) Le bilan radiatif troposphérique montre une relation linéaire avec la réponse des précips globales, mais ne contraint pas celle des précips continentales (Lambert et Allen 2009) Il faut distinguer un effet radiatif direct & rapide d un effet indirect & lent (via le réchauffement océanique) et cet effet dépend de la nature du forçage (Andrews et al. 2009) La réponse de P-E fait intervenir à la fois des effets thermodynamiques et dynamiques (Seager and Naik 2012) => Quelles métriques?
Contraindre avec la variabilité interannuelle? 4 Lien apparent entre la sensibilité de GLP à long terme et à l échelle interannuelle (Douville et al. 2006) Raw anomalies Detrended anomalies
CMIP5 vs CMIP3: un échantillon de 13 modèles 5 CCCMA CNRM CSIRO GFDL GISS INM IPSL MIROC MOHC (HadGEM) MPIM MRI NCAR (CCSM) NCC Betts (1986) CMIP3 (* flux-adjusted) Convection scheme Zhang and McFarlane (1995) Bougeault (1985) Gregory and Rowntree (1990) Moorthi and Suarez (1992) Del Genio and Yao (1993) Emanuel (1991) Emori et al. (2001) Gregory and Rowntree (1990) Tiedtke (1989) Pan and Randall (1998) Zhang and McFarlane (1995) Bougeault (1985) Resolution 96x48 (*) 128x64 192x96 144x90 72x46 72x45 (*) 96x72 128x64 192x145 192x96 128x64 (*) 256x128 128x64 Convection scheme Bougeault (1985) Emanuel (1991) CMIP5 Resolution 128x64 256x128 192x96 144x90 144x90 180x120 96x96 256x128 192x145 192x96 320x160 288x192 144x96 - Interpolation sur grille CNRM pour calcul des moyennes d ensemble - Une seule réalisation pour chaque modèle
6 Global Land Precipitation CMIP3: SRES-A2 CMIP5: RCP8.5 Fit polynomial (ordre 3 pour les modèles, linéaire pour GPCC) des moyennes annuelles (mm/jour)
7 Anomalies annuelles de GLP
8 CMIP5 vs CMIP3: Global Land Precipitation Réduction du «spread» multi-modèle? Traitement plus homogène des aérosols (e.g. Pendergrass & Hartmann, GRL 2012)? Amélioration de l ENSO et des téléconnections associées (Douville et al., Clim. Dyn. 2006)? Autres raisons?
CMIP5: 1%CO2 vs RCP8.5 9 La sensibilité au CO 2 explique une bonne partie du «spread» (contribution moindre des aérosols). Forte incertitude résiduelle intrinsèque aux modèles (à forçage identique) Yrs 111-140 vs 11-40
10 CFMIP2: 4xCO2 Globalement, la dispersion ne semble pas s expliquer par l effet direct du CO 2 mais par la réponse des/aux SST Réponse des moussons robuste (?) et spécifique
11 Evaporation vs convergence d humidité E domine légèrement le «spread» sur GLP Ainsi que le changement de réponse de CNRM-CM CMIP3: SRES-A2 CMIP5: RCP8.5
Tropiques vs extratropiques 12 Les tropiques dominent le «spread» (en valeur absolue) Mais pas le changement de réponse de CNRM-CM CMIP3: SRES-A2 CMIP5: RCP8.5
13 Anomalies annuelles en moyenne zonale
14 Anomalies annuelles (continentales)
15 Anomalies annuelles (Europe)
16 La sensibilité «climatique» ne dit pas tout GP response vs GW GLP response vs GW CMIP3: SRES-A2 CMIP5: RCP8.5
Contraindre avec la variabilité interannuelle? 17 CMIP3 CMIP5 Raw anomalies Detrended anomalies
Contraindre avec la variabilité interannuelle? 18 CMIP3 CMIP5 Raw anomalies Detrended anomalies
Contraindre avec la variabilité interannuelle? 19 CMIP3 SRES-A2 CMIP5 RCP8.5 CMIP5 +1%CO2 HadSST vs GPCC R est une métrique peu contraignante Mais a t on trouvé mieux???
Conclusion 20 En moyenne d ensemble, pas d amélioration des biais malgré l accroissement de résolution (faux pour CNRM) et peu de modification des projections. Dispersion moindre sur GLP mais faible réduction des incertitudes à l échelle régionale (un peu plus de consensus sous les Tropiques). Le lien avec la variabilité interannuelle est loin d être univoque mais une simulation réaliste de l ENSO et de son influence sur les précipitations de mousson pourrait être une condition nécessaire à la crédibilité des scénarios? Perspectives: comparer la réponse des modèles couplés avec les simulations idéalisées CFMIP2 (x4co 2, +4K uniforme ou non), comprendre la sensibilité hydrologique accrue de CNRM-CM?
Contraindre avec la variabilité interannuelle? 21 CMIP3 CMIP5
22 Contenu en eau du sol (kg/m²) White contour => 75% agreement
Focus sur le scénario RCP8.5 23
Robustesse des anomalies? 24
Evolution «observée» des précipitations continentales 25
26 Moyennes annuelles en moyenne zonale
27 Moyenne annuelle des précipitations (globe)
28 Moyenne annuelle des précipitations (Europe)
29 Biais tropicaux et couplage O-A D après Hirota et al. (2011): Les meilleurs modèles sont ceux qui montrent une corrélation spatiale moindre avec les TSM => importance de l humidité troposphérique et de l entrainement pour la paramétrisation de la convection
30 Moyenne SON sur le Pacifique tropical
31 Biais tropicaux et couplage O-A
32 Moyenne JJAS des pluies de mousson (Afrique)
33 Anomalies JJAS (Afrique)
34 Anomalies estivales (Afrique)
35 Anomalies annuelles (continentales)
36 Anomalies annuelles (Europe)
37 Global component vs «land-sea contrast» GLP = α GP avec α = GLP/GP GLP = α GP + α GP