La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Prévisibilité décennale Initialiser un modèle couplé pour prévoir la variabilité naturelle du climat Didier Swingedouw, Juliette Mignot, Sonia Labetoule,

Présentations similaires


Présentation au sujet: "Prévisibilité décennale Initialiser un modèle couplé pour prévoir la variabilité naturelle du climat Didier Swingedouw, Juliette Mignot, Sonia Labetoule,"— Transcription de la présentation:

1 Prévisibilité décennale Initialiser un modèle couplé pour prévoir la variabilité naturelle du climat Didier Swingedouw, Juliette Mignot, Sonia Labetoule, Aurélie Persechino, Eric Guilyardi, Benoit Vannière, Jérôme Servonnat (bientôt)

2 Variabilité climatique  Variabilité décennale en plus d’une tendance liée aux GHG  Forçage? (aérosols, soleil)  Variations naturelles du système climatique superposées à la réponse aux GHG IPCC 2007, Chapitre 2 Température globale

3 Variabilité climatique  Simulations d’un même modèle sous le même scenario avec conditions initiales différentes  Variabilité décennale Température globale modèle GFDL (A1B)

4 Prévisibilité Deux types de prévisibilité (cf. Edward Lorenz):  Première espèce : conditions initiales  Deuxième espèce : conditions aux limites Meehl et al. 2009

5 Sources d’incertitude Hawkins & Sutton 2009

6 Atlantic Multi-decadal OscillationPacific Decadal Oscillation Variabilité mutidécennale 1 ière EOF SST par bassin

7 Régionalisation AMO index Température moyenne sur 30 stations représentatives en France Figure de Christophe Cassou

8 Prévision décennale  Grandes tendances  Premières tentatives: Effet global et régional  Pas d’accord entre les prévisions à cause de :  modèles différents  méthodes d’initialisation différentes Meehl et al : AMOC proxy (Latif et al. 2006)

9 ORCA2 144 x 142 x L39 Test préminaires : (résultats présentés ici) Objectifs 96 x 95 x L39 Preliminary tests (here): control simulations only, with fixed external forcing Prévisibilité décennale à l’IPSL: outils + PISCES

10 Prévisibilité décennale : rôle de l’AMOC Figure d’aurélie Persechino Corrélation d’ensemble AMOC

11 Initialisation : « nudging »  Rappeler le modèle vers des observations  Méthode la plus simple : mettre un terme de rappel dans les équations  Choix à l’IPSL :  SST et « avec ou sans » vent  Anomalies plutôt que valeur totale (problème de dérive initiale)

12 Initialisation des modes de variabilité en SST Observations SST SST+wind Observations SST SST+wind EOF 1 par bassin

13 Variabilité AMOC récente  Pas de mesures continues de l’AMOC sur longue période de temps  Estimation via assimilation de données Huck et al  Nudging initialise bien notre AMOC !

14 Signif 90% (pas 99%) Et la NAO ? NCEPERA40 SSTSST+wind

15 Expériences CMIP5 de prévisibilité du climat A l’IPSL : on ne met pas de forçage radiatif = prévisibilité première espèce

16 Hindcasts pour SST’ AMO Max(AMOC)

17 Prévisibilité en mode hindcast Observations

18 Keenlyside et al SST’ nudging + wind stress forcing SST’ + WS fait moins bien (?) Hindcasts Carte de corrélation moyenne d’ensemble sur 10 ans (sans forçage radiatif !) pour chaque date de départ avec observations Figures de Juliette Mignot

19 Perspectives  Inclure le forçage radiatif ! (Sonia Labetoule)  Initialisation en SSS (Sonia Labetoule & Didier Swingedouw)  Etudes en modèle parfait plus poussées (Juliette Mignot & Aurélie Persechino)  Compréhension de l’initialisation de l’AMOC (Didier Swingedouw)  Mécansime de prévisibilité dans l’atmopshère (Jérôme Servonnat, EPIDOM)

20 Merci

21 AMO and AMOC (coupled GCMs)

22 Dunstone and Smith 2010 HadCM3 idealised experiments Comparison of assimilation of different amounts of ocean data Forecasting with SST nudging only? - Fail of global SST assimilation with six hourly relaxation: strong increase of MOC -Still strong increase if SST assimilated poleward of 60°N only. - Better with 96hrs relaxation, but not good reproduction of variability.

23 *(3yr running means) Anomalies normalisées Pohlmann et al 2010 AMOC 45°N AMOC variability SST’ + WS SST’ + WS * 2 SST’ + WS, different I.C. Control simulation SST’

24 *(3yr running means) Anomalies normalisées Pohlmann et al 2010 AMOC 45°N AMOC variability SST’ + WS SST’ + WS * 2 SST’ + WS, different I.C. SST’ equatorward (60°) Control simulation SST’

25 Keenlyside et al YR averages SST nudging  = 40W/m2/K SST nudging  = 40W/m2/K + wind stress forcing SST correlations with the control initialized simulation Hindcasts

26 SST nudging  = 40W/m2/K SST nudging  = 40W/m2/K + wind stress forcing 30S 0 30N 60N 30S 0 30N 60N corelations with the control initialized simulation Oceanic heat content 0-300m SST Hindcasts Relative skill de SST’ + WS a bit better for OHC m?

27 SST nudging  = 40W/m2/K SST nudging  = 40W/m2/K + wind stress forcing SSS Hindcasts SST’ + WS fait bcp mieux pour la SSS?

28 Conclusions SST nudging gives reasonable initialization when the nudging strength is set with care Still, induces artifical feedbacks and would require SSS nudging for consistency Benefit of additional wind stress forcing still needs to be precisely assessed (pb OHC du run initialisé, mais predicitve skill plutôt meilleure pour SSS?) Promising hindcasts results on North Atlantic SSTs / heat content (and AMOC)

29 Next steps Better asses the mechanisms of predictability: perfect model studies Better assess the impact of surface initialization: perfect model initialization Better assess the predictability skill over land / atmosphere Better asses the initialization and predictability skill of the AMOC Perform full exercice with consistent external forcing and enhanced atmospheric resolution Test other ways of initializing at the surface: repeated initialization cycles, SSS nudging, bulk formulaes.

30 “ Worst case” (no assimilated data) Other panels show difference between assimilated AMOC and “truth” as a funcMon of observing system “BEST” (Argo plus atmosphere temp and winds)


Télécharger ppt "Prévisibilité décennale Initialiser un modèle couplé pour prévoir la variabilité naturelle du climat Didier Swingedouw, Juliette Mignot, Sonia Labetoule,"

Présentations similaires


Annonces Google