Les nuages, leur représentation dans les modèles,

Présentation au sujet: "Les nuages, leur représentation dans les modèles,"— Transcription de la présentation:

1 Les nuages, leur représentation dans les modèles,
et les processus d’interactions. Les projets en cours et à venir à l’IPSL A. Protat, et contributeurs de l’IPSL : D. Bouniol, H. Chepfer, M. Chiriaco, J. Delanoë, M. Haeffelin, Y. Morille, V. Noël , J. Pelon

2 Objectifs scientifiques
Etude de processus détaillés concernant : Interaction aérosols / nuage / rayonnement / dynamique Processus liés au cycle de vie des nuages Propriétés statistiques (climatologies régionales / globales) Représentation des nuages dans les modèles (LES  Climat, NWP) Evaluation, amélioration de paramétrisations Rétroaction des nuages sur le climat Comment utiliser séries temporelles sol et nouveaux capteurs spatiaux ? Nécessitent : Validation des capteurs et produits spatiaux et des modèles

3 Projets instrumentaux « nuages » IPSL
Sol : SIRTA (Martial) Développements « radar nuage et lidar » opérationnels en cours Aéroporté : RALI Spatial : A-Train (Jacques) RALI est le démonstrateur CALIPSO/CloudSat RALI = RASTA : radar Doppler 95 GHz 5 antennes LNG : lidar HRS 355 pol., 532 pol., 1064 nm Porteurs : Falcon 20 (5 ant.) / ATR42 (3 ant.) Radar + Lidar = propriétés nuageuses (IWC, re, a, Vt, w, N(D), contours, fraction)

4 Propriétés nuageuses : synergie instrumentale
Radar : limité par sensibilité (petites particules) Lidar : limité par épaisseur optique t (nuages épais) Radiomètres : quantités intégrées verticalement Synergie instrumentale ! Radar/lidar Lidar Radar

5 Quelques résultats marquants:
Première statistique sur forme des cristaux dans cirrus (Noël) Première statistique sur densité et vitesse de chute des cristaux (Protat) Climatologie des nuages en Europe (thèse Delanoë) Evaluation des nuages dans modèles NWP (thèse Delanoë) Validation MESO-NH / Observations SIRTA (Giraud / Protat / Bouniol) Validation de produits « nuage » spatiaux (Haeffelin)

6 Forme des cristaux : dépolarisation lidar
Tropiques Midlatitudes

7 Climato des propriétés microphysiques et radiatives
Très faible variabilité inter-annuelle Variabilité saisonnière faible Faible variabilité régionale sauf pour a Importante variabilité par type de nuages (altitude) Nuages épais : IWCs les plus forts Nuages bas : Distribution large Nuages Hauts : Distribution très étroite, IWCs faibles Nuages moyens: IWCs plus forts que les nuages hauts Distribution plus étroite que les nuages bas Cabauw Épais (>4km) 0-3km 3-8km 8-12km log(IWC)

8 Validation des modèles de prévision
Evaluation de la représentation des nuages dans modèles de prévisions à partir des statistiques nuageuses de RadOn: histogrammes Résultats très encourageants les modèles donnent des résultats corrects (excepté MF) IWC ECMWF, RACMO :(schéma pronostique) =>très bon MET-OFFICE : (schéma pronostique) forme correcte mais surestimation METEO-FRANCE : (schéma diagnostique) le schéma a changé durant CloudNet

9 Campagnes et objectifs :
2002 – 2006 : CloudNET – Développement de méthodes nuages – Validation modèles de prévision – Définition station opérationnelle nuages Instrumentation : SIRTA + 2 autres sites, 6 modèles de prévision 2006 : CALIPSO / CloudSat – Propriétés nuageuses à échelle globale – Assimilation modèles de prévision (?) – Climatologies globales / régionales 2006 : AMMA – Etude des processus nuageux dans enclumes de LG – Rétroactions nuages sur la mousson – Validation A-Train. Instrumentation : Sol (AMF, Ronsard), Aéroporté (RALI), Spatial (A-Train) 2007 : PARISFOG (IPSL/CNRM) : Etude du brouillard en zone urbanisée (SIRTA) 2007 : CIRCLE-2 – Etude des interactions microphysiques / radiatifs dans les cirrus / contrails – Validation schéma de nuage Meso-NH Instrumentation : Aéroporté (RALI), Spatial (A-Train) 2008 : EUCAARI IP / Aeroclouds (ANR) – Effet indirect des aérosols sur le cycle de vie des nuages de couche limite Instrumentation : Sol (SIRTA, Cabauw), Aéroporté (RALI), Spatial (A-Train)

10 Prospective IPSL-CNRM (n’engage que moi …)
AROME / SIRTA (CloudNet) Amélioration paramétrisations ARPEGE (diagnostics CloudNet) ? Assimilation de produits nuageux (stations d’obs. des nuages, A-Train) ? Effet indirect des aérosols (CNRM : in-situ, modélisation LES / IPSL : RALI) Problématique du brouillard autour des aéroports (CNRM modélisation, mesures / IPSL : mesures SIRTA) Prospective IPSL-IPSL (n’engage que moi …) Discussions communautés Climat / expérimentateurs à travers futures observations spatiales (A-Train), aéroportées (processus / paramétrisations), sol SIRTA (paramétrisations, assimilation, validation)

11 Quelles propriétés nuageuses et avec quoi ? (2/2)
Macrophysique (contours, épaisseur, fraction, occurrence) : Radar / Lidar Microphysique / Radiatif : dépend de l’épaisseur optique t du nuage t < 0.01 : Lidar + IIR (CALIPSO) : taille moyenne des cristaux (Chiriaco et al. 04) Lidar seul (a-IWC-T, CALIPSO, Delanoë et Protat, 07) : profils IWC, re 0.01 < t < 3 : Radar-lidar (CALIOP/CloudSat, RALI, SIRTA) : profils IWC, a, Vt, re (Bouniol et al. 06) Radar seul (CloudSat, RASTA, BASTA) : profils IWC, a, Vt, re (Delanoë et al. 06) t > 3 : Radar seul (CloudSat, RASTA, BASTA) : profils IWC, a, re (Delanoë et al. 06) Dynamique : Radar seul (vent, dont w, TKE dissipation rate) (Protat et al. 04, Bouniol et al. 06) Phase nuageuse et forme des cristaux : Dépolarisation lidar (Noël / Haeffelin et al. 06) Gros travail de validation et d’intercomparaisons ( )

12 Validation des modèles de prévision
Evaluation de la représentation des nuages dans modèles de prévisions à partir des statistiques nuageuses de RadOn: profils moyens ECMWF: sous estimation < 6km Surestimation > 6km Met-Office: la structure des profils est bonne mais surestimation Altitude (km) RACMO: Bonnes performances Structure verticale et valeur de IWC Log(IWC)

13 Propriétés macrophysiques par Radar / Lidar (SIRTA)
Lidar mask (STRAT) Lidar Lidar + Radar cloud mask Radar

14 CAPRO: Thermodynamic Phase
Cloud Distribution : Lidar Depolarization vs Temperature 3 years dataset - SIRTA # data points

15 CAPRO: Thermodynamic Phase
Cloud Distribution : Lidar Depolarization vs Temperature 3 years dataset - SIRTA # data points Depol > 0.2 Temp < -42°C Ice Mixed-phase clouds Temp > 0 C, Depol < 0.2 : Liquid water

16 Validation des produits MSG (EUMETSAT)
Low-altitude opaque clouds 10/ /2004: 100 days analyzed Mean diff = 0,1 +/-0,2 km Std dev = 1 km Difficulty attributed to simulated vertical profile of temperature (forecast or analyses) All opaque + semi-transparent clouds 10 5 10/ /2004