Les paramétrisations des modèles de climat Frédéric Hourdin, Catherine Rio, Jean-Yves Grandpeix, Arnaud Jam, Nicolas Rochetin 1. Introduction et principes des paramétrisations 2. La couche limite convective nuageuse 3. La convection profonde 4. Conclusions et pistes de travail
1. Introduction et principes des paramétrisations Modèle de circulation générale atmosphérique = Noyau dynamique : équations de base discrétisées sur la sphère Conservation de la masse Dρ/Dt + ρ divu = 0 Conservation de la température potentielle Dθ / Dt = Q / Cp (p0/p)κ Conservation de la quantité de mouvement DU/Dt + (1/ρ) gradp - g + 2 Ω U = F Conservation des composants secondaires Dq/Dt = Sq + «Paramétrisations» physiques des processus sous-maille 20 km? 200 km
1. Introduction et principes des paramétrisations The world of numerical models apparences théories (physique, chimie, biologie, économie) Cœurs dynamiques mathématique Paramétrisations numérique informatique La modélisation concerne l'ensemble de ces couches. L'accent est mis sur le passage d'équations bien établies à leur discrétisation pour les cœurs dynamiques. Le travail porte davantage sur l'établissement de modèles mathématiques pour les paramétrisations (parfois pensés directement dans la couche numérique, voir informatique...). Point commun : le retour vers la couche supérieure
1. Introduction et principes des paramétrisations Noyau dynamique : équations de bases discrétisées sur la sphère Conservation de la masse Dρ/Dt + ρ divu = 0 Conservation de la température potentielle Dθ / Dt = Q / Cp (p0/p)κ Conservation de la quantité de mouvement DU/Dt + (1/ρ) gradp - g + 2 Ω U = F Conservation des composants secondaires Dq/Dt = Sq Objet des paramétrisations : rendre compte de l'effet des processus non résolus par ces équations Termes «sources» additionnels dans les équations. Q : Chauffage par échanges radiatifs, conduction (négligée), condensation, sublimation, mouvements sous maille (nuages, turbulence, convection) F : Viscosité moléculaire (négligée), mouvements sous-maille (nuages, turbulence, convection) Sq : condensation/sublimation (q= vapeur d'eau ou eau condensée), réactions chimiques, photodissociation (ozone, espèces chimiques), microphysiques et lessivage (aérosols de pollution, poussières,...), mouvements sous maille (nuages, turbulence, convection)
1. Introduction et principes des paramétrisations Calcul de l'effet collectif des processus non résolus sur les variables d'état explicites (U, θ, q) du modèle global description physique approchée du comportement collectif des processus qui fait intervenir des variables internes aux paramétrisations (caractéristiques des nuages, écart-type de la distribution sous-maille d'une variable, ) dérivation d'équations reliant ces variables internes aux variables d'état U, θ, q à l'instant t variables internes F, Q, Sq U, θ, q à t+δt hypothèses d'homogénéïté (statistique) horizontale des processus représentés (comme dans l'hypothèse plan parallèle du transfert radiatif) Equations uni-dimensionnelles en z (échanges verticaux) Colonnes atmosphériques indépendantes Dans une colonne du modèle... 20 km? 200 km
1. Introduction et principes des paramétrisations Un exemple de processus sous-maille : l'écoulement sur les reliefs Altitude (m) Le relief moyen de la surface intervient dans le noyau dynamique comme une condition à la limite inférieure Ce relief moyen ne rend pas compte de la barrière que représentent les montagnes les plus hautes pour l'écoulement Exemple simple de paramétrisation possible : introduction d'un terme de freinage dans les basses couches de l'atmosphère. DU/Dt + (1/ρ) gradp - g + 2 Ω U = F F = -a (z) U 20 km Relief 200 km Relief moyen Dans les modèles actuels, on rend compte en plus de : l'injection d'ondes (de gravité) dans l'atmosphère l'effet de détournement (portance) du relief l'effet de la stabilité de l'atmosphère (franchissement plus facile dans une atmosphère moins stratifiée)
1. Introduction et principes des paramétrisations Traitement par type de nuages Nuages de couche limite Nuages de convection profonde Nuages de condensation grande-échelle
2. La couche limite convective nuageuse Dans une colonne du modèle... 20 km 200 km Paramétrisation de la turbulence «Mélange turbulent» ou diffusion turbulente. Transport par des petits mouvements aléatoires. Analogue à la diffusion moléculaire. q.. avec Sq Dq/Dt = Sq. = K z z Longueur de mélange de Prandtl : l : longueur caractéristique des mouvements w : vitesse caractéristique z K z =l w K z =l e Energie cinétique turbulente : De/Dt = f (du/dz, dθ/dz,e,...) Dl/dt=... Les mêmes modèles sont utilisés en sciences de l'ingénieur Un monde en soi Lois de similitudes Tests à des échelles différentes en laboratoire...
2. La couche limite convective nuageuse Turbulence isotrope de petite échelle mélange turbulent Turbulence atmosphérique : méso-échelle, organisée et anistrope Exemples de mesures avion en palier (région parisienne, conditions estivales, cumulus) The Earth Vitesse verticale (m/s) Humidité (g/kg) Mars L'air chaud (léger) et humide monte de la surface sous l'effet des forces d'archimède. Analogue à la convection de Rayleigh-Benard En montant cet air se refroidit (détente adiabatique) et ne peut plus contenir autant de vapeur d'eau. Si saturation : apparition de cumulus en haut du panache.
Importance of organized structures Visualized by cloud streets Classical exemples of cloud streets obtained at the top of thermal rolls Polar air arriving on warm air masses Entry of maritime air on a warmer continent (Atkinson & al., 1996)
2. La couche limite convective nuageuse Le modèle du thermique 3 km d w α Ascendance e Descente compensatoire plus lente 200 km Diffusion turbulente Transport par le modèle de panache Etc...
2. La couche limite convective nuageuse Mise en défaut des paramétrisations en diffusion turbulente dans les couches limites convective. Transport en remontant le gradient Diffusion turbulente : Kz(Ri) ex: Louis 1979, et schéma LMD (Laval et al., 1981) Mellor et Yamada (MY) Kz=l e de/dt =..., TKE Schémas non locaux -> Contregradient (Deardorf, 1966). LMD : contregradient imposé similarité étendue à la couche limite convective (Troen & Mart, 1986, Holtzlag & Boville, 1993= HB) -> Longueurs de mélange non locales (Bougeault) -> Flux de masses * Modèles de couche mélangée (Betts, Albrecht, Wang, Suarez et al...) * au sens des paramétrisations de la convection profonde (Chatfield & Brost, 1987, TH : Hourdin et. al., JAS, 59:1105-1123) -> Matrices de transiliance (Stull, 1984, Pleim & Chang, 1992) -> Schémas d'ordre plus élevé (Abdella & Mc Farlane, 1997, Randall et al., 1992, Lapen & Ransall, 2002)
2. La couche limite convective nuageuse Exemple de comparaison avec des simulations des grands tourbillons (modèle du NCAR, Moeng et al.) pour la température potentielle et un traceur B, atmosphère sèche. Forçage : flux de chaleur au sol w'θ'0=0.24 Km/s vent géostrophique u=10m/s Décomposition du flux de chaleur dans le cas MY+thermiques MY+Thermiques Total Thermiques Diffusion turbulente M&Y+Thermiques θ (K) W' θ ' (K m/s) B
2. La couche limite convective nuageuse Modèle «tout ou rien» : Si q> qsat maille nuageuse, sinon ciel clair. Représentation des nuages q < qsat q > qsat 20 km q : concentration en vapeur d'eau qsat : concentration maximum à saturation Si q > qsat : la vapeur d'eau condense = nuage 200 km On connait q et qsat à l'échelle de la maille Fraction de la maille couverte de nuages? Modèle «statistique» : On suppose une distribution statistique de q' dans la maille autour de q 20 km q < qsat 200 km Paramétrisation simple : gaussienne σ / q = 20%
2. La couche limite convective nuageuse Modèle «tout ou rien» : Si q> qsat maille nuageuse, sinon ciel clair. Représentation des nuages q < qsat q > qsat 20 km q : concentration en vapeur d'eau qsat : concentration maximum à saturation Si q > qsat : la vapeur d'eau condense = nuage 200 km On connait q et qsat à l'échelle de la maille Fraction de la maille couverte de nuages? Modèle «statistique» : On suppose une distribution statistique de q' dans la maille autour de q 20 km q < qsat 200 km Intervient dans Q condensation prise en compte des nuages dans le code radiatifs Paramétrisation simple : gaussienne σ / q = 20%
2. La couche limite convective nuageuse Modèle «tout ou rien» : Si q> qsat maille nuageuse, sinon ciel clair. Représentation des nuages q < qsat q > qsat 20 km q : concentration en vapeur d'eau qsat : concentration maximum à saturation Si q > qsat : la vapeur d'eau condense = nuage 200 km On connait q et qsat à l'échelle de la maille Fraction de la maille couverte de nuages? Modèle «statistique» : On suppose une distribution statistique de q' dans la maille autour de q 20 km q < qsat 200 km ou 20 km Paramétrisation simple : gaussienne σ / q = 20% 200 km
2. La couche limite convective nuageuse I.2 Cloud process studies and the use of high resolution explicit models0 Observation Test case, field campaign experiment ua Eval Explicit simulations, Grid cell, 20-100 m Evaluation tio n «Large scale» conditions imposed Climate model, parameterizations, «single-column» mode Parameterizations are evaluated against other models Can be done for realistic test cases but also with more idealized forcing (check the response of the parameterization to perturbations)
2. La couche limite convective nuageuse Thermal plumes and clouds Z z (m) LeMone and Pennell, MWR, 1976 Explicit simulation, ARM continental case Clouds X Tracer emitted at surface 20 km 200 km
2. La couche limite convective nuageuse Nouvelle paramétrisation de nuages couplée aux thermiques : Utilisation d'une PDF bi-gaussienne pour la distribution d'eau totale sous nuageuse Une gaussienne pour les panaches thermiques et une pour l'environnement Comparaison des distributions prédites par ce schéma avec les distributions des LES Jam et al., 2012
2. La couche limite convective nuageuse 1D test cases LES 3D simulations Using COSP simulator To compare model and satellite
2. La couche limite convective nuageuse LMDZ Le modèle couplé de l'ipsl Réponse à une augmentation du CO2 de 1 % par an Nouvelle représentation des nuages Orchidee LMD/Sysiphe LSCE NEMO Locean
3. La convection profonde Paramétrisation de la convection Par rapport à la convection de couche limite Phénomène multi-échelles La condensation est un moteur essentiel Phénomène à seuil : existence d'une inhibition à la base des nuages.
3. La convection profonde Développement d'un nouveau bloc couche-limite/convection/nuages. -> Vers une meilleure représentation du cycle diurne de la convection Sujet de thèse de Catherine Rio. cycle diurne de la convection précipitante continentale Guichard et al. (2004) définition d un cas d étude (1D) GCMs 1D CRMs à partir de données ARM-SGP (SCM-IOP: bilans T & q) dispersion importante des quantités de précip, mais le défaut GCM se retrouve en mode SCM La convection est plus tardive dans les CRMs A traiter : Paramétrisations des modèles de climat Modèles résolvant explicitement les nuages. Résultat du projet EUROCS Articulation entre couche limite et convection profonde Changement de phase de l'eau, déclenchement et fermeture pour la convection
3. La convection profonde z updraft downdraft x - Critère de déclenchement du schéma de convection: Critère sur l'inhibition convective - Intensité de la convection ( fermeture ): Intensité convective reliée aux conditions environnementales (LMDZ5A) Intensité convective reliée aux processus sous-nuageux (LMDZ5B) Emanuel, 1991 Paramétrisation des poches froides (LMDZ5B) - Efficacité de précipitation: fraction de l'eau qui précipite par rapport à l'eau détrainée - Propriétés des updrafts et des downdrafts: vitesse verticale, flottabilité, fraction couverte - Taux de mélange entre nuages et environnement Grandpeix & Lafore, JAS, 2010
3. La convection profonde Lifting Gust front Cold pool Density current Wake 17:20UTC Anvil Convective column Lifting Precipitating Downdraughts Wake Radar : Coupe horizontale à 600m Poches froides Autour de Niamey 10 Juil 2006 Mali, August 2004 F. Guichard, L. Kergoat
3. La convection profonde Frequent wakes (small) Scarce wakes grid-cell grid-cell <---- 100 km ----> <---- 100 km ----> Wake differential profiles z T q
3. La convection profonde Differential heat source due to deep convection: precipitating downdraughts cool the wakes.
3. La convection profonde
3. La convection profonde
Coupling convection with sub-cloud processes: ALE & ALP; 1 At least two variables: the Available Lifting Energy (ALE) the Available Lifting Power (ALP). Trigger The shower is triggered when K > gh (K = ALE = Available Lifting Energy). Convection is triggered when the maximum kinetic energy K (K = ALE) of air impinging on the gust front exceeds the convective inhibition: ALE > CIN. Closure The pump (power P) yields a mass flow rate M. A fraction k (the engine efficiency) of P is used by the stream. Closure: stream power M K = k P (= ALP) The wakes provide a power Pw. A fraction k (the wake lifting efficiency) of Pw is used to lift draughts with mass flow rate M: overcoming inhibition => power M CIN velocity at LFC = wb => power ½ M wb2 dissipation => power 3/2 M wb2 Closure: M ( CIN + 2 wb2) = k Pw (= ALP)
3. La convection profonde Coupling convection with sub-cloud processes: ALE & ALP; 2 More generally, the convection parametrization is coupled to sub-cloud processes through the two variables: ALE (for the trigger) and ALP (for the closure). ALE = sup(alepbl, ALEORO, ALEWK) ALP = ALPPBL + ALPORO + ALPWK
3. La convection profonde Improvement of the simulation of the diurnal cycle of rainfall Directly linked to the change in convection schemes Local time of maximum convection July 1D tests compared with Cloud resolving models (mesh of ~1km) Continental convection in Oklaoma July TRMM satellite obs., Hirose et al. 2008, annual Rio et al., 2009
3. La convection profonde Slight bias reduction for Annual mean rainfall (mm/day) Large positive impact on the Intraseasonnal rainfall variability SP NP Standard deviation of daily rainfall anomalies (mm/day) of the a) GPCP dataset (1996-2009), b) IPSL-CM5A and c) IPSL-CM5B preindustrial simulations, for the winter season (November to April NDJFMA) 0.5 1 2 3 4 6 8 10 12 15 20
3. La convection profonde Du déterministe au probabiliste au stochastique L'exemple du critère de déclenchement du schéma de convection Thèse de Nicolas Rochetin LMDZ5A: LMDZ5B: B(LCL + 40hPa) > CIN ALE > CIN Approches déterministes Calcul de ALE en considérant un spectre de thermiques: - distribution exponentielle de la surface des thermiques au LCL - distribution gaussienne des vitesses des ascendances élémentaires constituant les thermiques au LCL Approches probabilistes Calcul de la probabilité que la maille contienne un nuage suffisant grand pour déclencher la convection Tirage aléatoire d'un nombre entre 0 et 1 comparé à la probabilité de non déclenchement Rochetin et al. Approche stochastique
3. La convection profonde 16h 13h 16h
3. La convection profonde Decl. Det., Jul clim Decl. Stoch., Jul clim TRMM, Jul 2006
4. Conclusions et pistes de travail Un nouveau cadre de travail et développement des paramétrisations Choix de séparer trois échelles pour le transport vertical : turbulence / structures organisées / convection profonde 20 km 200 km Couvreux, F., F. Hourdin, and C. Rio, 2010, Resolved Versus Parametrized Boundary-Layer Plumes. Part I: A Parametrization-Oriented Conditional Sampling in Large-Eddy Simulations, Boundary-layer Meteorol., 134, 441 458, 2010. Grandpeix, J., and J. Lafore, 2010, A Density Current Parameterization Coupled with Emanuel s Convection Scheme. Part I: The Models, Journal of Atmospheric Sciences, 67, 881 897, 2010. Grandpeix, J. Y., V. Phillips, and R. Tailleux, 2004, Improved mixing representation in Emanuel s convection scheme, Q. J. R. Meteorol. Soc., 130, 3207 3222, 2004. Grandpeix, J., J. Lafore 2010, A Density Current Parameterization Coupled with Emanuel s Convection Scheme. Part I Journal of Atmospheric Sciences, 67, 898 922, 2010. Grandpeix, J., J. Lafore, and F. Cheruy, 2010, A Density Current Parameterization Coupled with Emanuel s Convection Scheme. Part II: 1D Simulations, Journal of Atmospheric Sciences, 67, 898 922, 2010. Hourdin, F., F. Couvreux, and L. Menut, 2002, Parameterisation of the dry convective boundary layer based on a mass flux representation of thermals, J. Atmos. Sci., 59, 1105 1123, 2002. Hourdin, F., I. Musat, S. Bony, P. Braconnot, F. Codron, J.-L. Dufresne, L. Fairhead, M.-A. Filiberti, P. Friedlingstein, J.-Y. Grandpeix, G. Krinner, P. Levan, Z.-X. Li, and F. Lott, 2006, The LMDZ4 general circulation model: climate performance and sensitivity to parametrized physics with emphasis on tropical convection, Climate Dynamics, 27, 787 813, 2006. Hourdin, F., J.-Y. Grandpeix, C. Rio, S. Bony, A. Jam, F. Cheruy, N. Rochetin, L. Fairhead, A. Idelkadi, I. Musat, J.-L. Dufresne, A. Lahellec, M.-P. Lefebvre, and R. Roehrig, April 2012, LMDZ5B: the atmospheric component of the IPSL climate model with revisited parameterizations for clouds and convection, Clim. Dyn., 79, April 2012. Jam, A., F. Hourdin, C. Rio, and F. Couvreux, Resolved versus parametrized boundary-layer plumes. part iii: A diagnostic boundary-layer cloud parameterization derived from large eddy simulations, accepted in BLM, 2013. Rio, C.,and F. Hourdin, 2008, A thermal plume model for the convective boundary layer: Representation of cumulus clouds, J. Atmos. Sci., 65, 407 425, 2008. Rio, C., F. Hourdin, J. Grandpeix, and J. Lafore, 2009, Shifting the diurnal cycle of parameterized deep convection over land, Geophys. Res. Lett., 36, 7809 +, 2009. Rio, C., F. Hourdin, F. Couvreux, and A. Jam, 2010, Resolved Versus Parametrized Boundary-Layer Plumes. Part II: Continuous Formulations of Mixing Rates for Mass-Flux Schemes, Boundary-layer Meteorol., 135, 469 483, 2010. Rio et al., 2012 : closure revisited
4. Conclusions et pistes de travail Campagne 3D explicite (LES) LMDZ reg zoom Modèle uni-colonne Mars Dynamico Aire limitée WRF, MAR (Grenoble) WRF et MAR Interface physique/dynamique Physique essentiellement verticale Couplage de plusieurs «physiques» avec plusieurs «dynamiques» La Terre Titan Saturne + physiques idéalisées + physiques «génériques» + Physique MAR
4. Conclusions et pistes de travail Importance des paramétrisations pour les autres composantes Importance du «réalisme» (évaluation) et de l'ajustement du modèle.
4. Conclusions et pistes de travail Questions en cours Prise en compte de l'organisation de la convection Propagation des poches froides de maille en maille Indépendance des paramétrisations de la convection vis-à-vis de la résolution horizontale. Convection moyenne (congestus, enclumes) Nuages sous maille sur la verticale Micro-physique nuageuse Revisite de la diffusion turbulente : questions numériques, couches limites stables, Propriétés numériques des schémas utilisés Irruption du stochastique dans un monde jusque la déterministe : déclenchement de la convection mais également ondes de gravité non orographique (Lott et al.) Revisite de l'interface physique/dynamique Mélange verticale du moment sur la grille décalée? Conservation de l'énergie grande échelle + turbulente? Passage aux atmosphères profondes.