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
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
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).
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.
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
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.
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.
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 2004. 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 (1990-2010) Différence modèle-icesat, hiver 2004-2008 0 1 2 3 Chevallier et Salas y Mélia, 2012, J. Clim. Chevallier et al., 2013, J. Clim. 4m
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
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
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.
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.
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
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).
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.
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. 2017-18 «Year of Polar Prediction». Germe et al., 2013, J. Clim, soumis. Séférian et al., 2013, soumis.
Merci de votre attention!