adaptée aux forçages atmosphériques pour la Méthode de désagrégation statistico-dynamique adaptée aux forçages atmosphériques pour la modélisation de l'Océan Atlantique développement, validation et application au climat présent Marie Minvielle Thèse effectuée au CERFACS sous l'encadrement de Laurent TERRAY et Christophe CASSOU 14 septembre 2009

climatique, notamment dans la composante océanique. 1. Introduction Le GIEC (Groupe d’Experts Intergouvernemental sur l’Evolution du Climat) vise à synthétiser les travaux sur l’étude du climat réalisés dans des laboratoires du monde entier. La modélisation numérique est le principal outil mis à disposition des scientifiques pour étudier le système climatique dans son ensemble (océan, atmosphère, sols, …). Biais dans les modèles de climat, dans leur représentation de l’état moyen et variabilité climatique, notamment dans la composante océanique. Erreur moyenne annuelle zonale de SST (°C) 1980-1999 IPCC 2007 Pôle Nord Pôle Sud

Origine des biais océaniques dans les modèles couplés 1. Introduction Origine des biais océaniques dans les modèles couplés Les biais dans la représentation des variables de surface atmosphériques La résolution trop basse de la composante océanique dans les modèles couplés Modèle climatique Modèle d’océan plus haute résolution 2° 0.25° (m) - Meilleure représentation de la bathymétrie - Amélioration de la circulation générale océanique, principaux courants - Processus petite échelle: upwelling côtiers, activité tourbillonnaire méso- échelle (convection, restratification, transport de chaleur,…) Comment contourner ces difficultés? 3

1. Introduction Objectif Développer une méthode permettant une meilleure estimation de l’état moyen et de la variabilité océaniques sur l’Océan Atlantique par la réduction des biais systématiques des modèles couplés.

D A 1. Introduction Variabilité climatique dans l’Océan Atlantique Le climat dans le bassin atlantique varie à toutes sortes d'échelles spatio-temporelles. Atlantique nord Atlantique tropical Aux moyennes et hautes latitudes, l’océan répond principalement au forçage atmosphérique. Dans les tropiques, la variabilité de l’océan résulte principalement de processus couplés océan/atmosphère. Kushnir et al. (2002) Mode méridien atlantique D A Chiang et Vimont (2004) Oscillation Nord Atlantique (NAO)

1. Introduction Objectif Développer une méthode permettant une meilleure estimation de l’état moyen et de la variabilité océaniques sur l’Océan Atlantique par la réduction des biais systématiques des modèles couplés. Réduire l’erreur sur les variables de surface : Utiliser les variables atmosphériques de grande échelle pour reconstruire par relation statistique un jeu de variables de surface « débiaisé ». - Les variables atmosphériques de grande échelle sont communément admises comme les sorties les plus robustes des modèles couplés - La variabilité atmosphérique de grande échelle est fortement liée à la variabilité océanique Utiliser un modèle d’océan plus haute résolution que la composante océanique classique dans les modèles climatiques du GIEC

PLAN Introduction Principe général de la méthode 1 Introduction 2 Principe général de la méthode 3 Liens entre la dynamique atmosphérique de grande échelle et les variables de surface 4 Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

circulation atmosphérique variables atmosphériques 2. Principe général de la méthode MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution 0.25° - 0.5°

circulation atmosphérique variables atmosphériques 2. Principe général de la méthode OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan Base du modèle statistique: liens entre circulation atmosphérique de grande échelle et variables atmosphériques à la surface de l'océan Modèle statistique Hypothèses: 1) La variable atmosphérique de grande échelle utilisée est discriminante pour la variable de surface 2) La relation statistique entre la circulation atmosphérique de grande échelle et les variables atmosphériques de surface est stationnaire dans le temps

2. Principe général de la méthode Les régimes de temps Circulation atmosphérique de grande échelle Approche choisie : régimes de temps Centroïde Variable atmosphérique de grande échelle Groupes de jours de conditions atmosphériques proches N régimes de temps Centroïde Vautard, 1990 Valeurs journalières Pour chaque régime de temps sont associées des conditions atmosphériques de surface différentes Il est possible de reconstruire les conditions atmosphériques à la surface connaissant l’état atmosphérique de grande échelle

2. Principe général de la méthode Variables atmosphériques de surface à reconstruire Processus entrant en jeu dans le forçage de l’océan : - flux turbulents : tension de vent , chaleur latente et sensible - flux radiatifs: infrarouge + solaire - flux d’eau douce : précipitations + eau douce continentale - évaporation  UV10 Vent à 10m T2 Température de l’air à 2m Q2 Humidité de l’air à 2m radSW Rayonnement solaire radLW Rayonnement infrarouge P Précipitations R Apports d’eau douce continentaux

PLAN Introduction Principe général de la méthode 1 Introduction 2 Principe général de la méthode 3 Liens entre la dynamique atmosphérique de grande échelle et les variables de surface 4 Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

3. Liens grande échelle/variables de surface Objectif : s’assurer de l’existence, dans les observations, de liens forts entre les régimes de temps et les variables de surface à différentes échelles de temps : - journalière - interannuelle - multi-décennale 1ère hypothèse à vérifier avant de construire la méthode

3. Liens grande échelle/variables de surface Introduction Zone d'étude : l'Océan Atlantique  2 sous-régions extratropiques (90ºN-20ºN) : Géopotentiel à 500 hPa (Z500) tropiques (20ºN-20ºS): Vent à 1000 hPa (UV1000) Données utilisées : Variables de grande échelle : Réanalyses ERA40 Variables de surface : jeu de données DFS4 (Brodeau et al. 2009). Mélange de réanalyses et de produits satellitaires, développé dans le cadre du projet Drakkar Période d'étude : 1958-2002 Présentation centrée principalement sur la saison d’hiver et les diagnostics aux variables de surface UV10 et T2

3. Liens grande échelle/variables de surface classification Les régimes de Z500 classification DJFM : 4 régimes de Z500 EXTRATROPIQUES Centroïdes de Z500 pour DJFM Exemples de composites de surface associés UV10 T2 L’appartenance à un régime de temps de Z500 est discriminante pour la surface aux extratropiques

3. Liens grande échelle/variables de surface Les classes de vent tropicales DJFM : 4 classes de vent de UV1000 TROPIQUES Capturent la variabilité décennale dans les tropiques Rayonnement solaire T2 °C W/m2 Intensification et diminution de l’ITCZ Mode Méridien Atlantique

Association régimes de Z500 et classes de vent 3. Liens grande échelle/variables de surface Combinaison tropiques et extratropiques NAO- / C1 Les jours sont classés à la fois selon leur appartenance: - à un régime de Z500 - à une classe de vent tropicale C1 C3 C2 C4 AR BL NAO- NAO+ Tous les jours NAO- Composites de Z500 mgp NAO- / C2 Composites de T2 °C La dynamique tropicale module l’intensité des régimes de temps

2. Les régimes de temps 3. Liens grande échelle/variables de surface Aux échelles de temps interannuelle et multi-décennale 2. Les régimes de temps 3. Liens grande échelle/variables de surface Liens grande échelle/surface aux échelles de temps plus longues Occurrence interannuelle des régimes + classes Occurrence interannuelle des classes de vent Occurrence interannuelle des régimes de temps Prédicteur : occurrence interannuelle Régression multiple Variable de surface Les régimes de temps expliquent une part importante de la variabilité interannuelle de surface. Les classes de vent sont moins discriminantes à cette échelle de temps. La combinaison régimes + classes permet d’améliorer les résultats aux extratropiques, témoignant de connexions tropiques/moyennes latitudes A l'échelle de temps interannuelle Les tendances sont très bien reproduites par les variables reconstruites et s’expliquent donc par la variabilité des régimes de temps et classes de vent. Tendances

3. Liens grande échelle/variables de surface Conclusion Liens forts à l'échelle de temps journalière (composites, variance) Les régimes de temps permettent d’expliquer une grande part : - de la variabilité interannuelle - des tendances basse fréquence des variables atmosphériques de surface. Meilleur pouvoir discriminant : - en DJFM - aux extratropiques - pour le vent de surface UV10 Mise en évidence des connexions tropiques / extratropiques par la combinaison régimes/classes de vent. Régimes de temps extratropicaux de Z500 combinés aux classes de vent à 1000 hPa sur les tropiques constituent la base de la méthode de reconstruction

PLAN Introduction Principe général de la méthode 1 Introduction 2 Principe général de la méthode 3 Liens entre la dynamique atmosphérique de grande échelle et les variables de surface 4 Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

circulation atmosphérique variables atmosphériques 4. Construction et validation de la méthode MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution 0.25° - 0.5°

4. Construction et validation de la méthode Rappel sur les régimes de temps Vision simplifiée des liens entre régimes de temps et conditions atmosphériques de surface EOF 1 EOF 2 EOF 2 EOF 1 Distance intra-régime EOF 2 EOF 1 Température atmosphérique de surface Conditions froides Conditions chaudes EOF 2 EOF 1 EOF 1 EOF 2 EOF 2 EOF 1 Distance inter-régime intra-régime EOF 1 EOF 2 Jours de Z500

circulation atmosphérique variables atmosphériques 4. Construction et validation de la méthode Construction de la méthode d Z500 UV1000 Période d’apprentissage circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan Prédicteur : distance journalière Modèle statistique régimes Z500 + classes de UV1000 Distances journalières aux centroïdes des régimes de temps et classes de vent Régression linéaire multiple entre les distances et la variable de surface Ré-échantillonnage Le jour le plus proche dans les observations Coefficients de régression α + cste Méthode appliquée au vent de surface UV10, même jour pour les autres variables

4. Construction et validation de la méthode variables atmosphériques à la surface de l'océan RECONSTRUITES MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Validation Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE Haute résolution 0.5°

Validation du forçage reconstruit: Etat moyen 4. Construction et validation de la méthode 1) Validation du forçage reconstruit à partir de la grande échelle observée en le comparant aux variables atmosphériques de surface de référence DFS4 Etat moyen : Bien reconstruit pour l’ensemble des variables de surface. Cycle saisonnier : Très correctement conservé Variance journalière : Bien reproduite

4. Construction et validation de la méthode Validation du forçage reconstruit: Echelle de temps interannuelle 4. Construction et validation de la méthode A l’échelle de temps interannuelle Variance : Le vent en DJFM présente une variance correcte, mais T2 souffre d’une sous-estimation importante de la variance. Rapport des écarts-types Rapport des écart-types corrélation Performances de la méthode plus mitigées en JJAS (corrélations moins importantes et sous-estimation de la variance plus marquée). Corrélation : Meilleures corrélations pour la composante zonale du vent de surface U10. corrélation

4. Construction et validation de la méthode Validation du forçage reconstruit: Echelle de temps interannuelle 4. Construction et validation de la méthode Principaux modes de variabilité (1ère EOF) de UV10 à l’échelle de temps interannuelle DFS4 reconstruit EXTRATROPIQUES TROPIQUES 1er mode de variabilité de vent de surface extrêmement bien reproduit dans le jeu de forçage reconstruit, tant en structure spatiale qu’en variabilité

4. Construction et validation de la méthode Validation du forçage reconstruit: Tendances 4. Construction et validation de la méthode Tendances sur la période 1958-2002 DJFM T2 JJAS Pas de tendance au réchauffement en été dans reconstruit U10 T2 Tendances très bien capturées par la méthode en DJFM

4. Construction et validation de la méthode variables atmosphériques à la surface de l'océan RECONSTRUITES MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Simulation forçage observé forçage reconstruit Validation Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE Haute résolution 0.5°

Validation de la simulation océanique 4. Construction et validation de la méthode Validation de la simulation océanique Etat moyen : Très correctement reproduit 2) Validation de la simulation océanique forcée par notre jeu de forçage reconstruit Application au modèle d’océan 2 simulations océaniques avec ORCA05 (0.5°) 1958-2002 : - forçage DFS4 de référence - forçage reconstruit avec la méthode Variabilité interannuelle : Corrélation des moyennes annuelles SST et SSS entre DFS4 et reconstruit SST SSS

4. Construction et validation de la méthode Validation de la simulations océanique Variance interannuelle : Comme pour le forçage reconstruit, la variance interannuelle est majoritairement sous-estimée pour la plupart des variables de surface, et principalement aux tropiques. Tendances (moyennes annuelles) sur la période 1958-2002: SST SSS DFS4 reconstruit Tendances correctement reproduites, avec cependant une partie du réchauffement sous-estimée X : incohérence de signe °C/dec psu/dec

4. Construction et validation de la méthode Conclusions La méthode permet de reconstruire un forçage atmosphérique de caractéristiques très comparables à DFS4 : état moyen, cycle saisonnier, variabilité interannuelle, tendances. La simulation océanique réalisée avec le forçage possède un état moyen et une variabilité interannuelle corrects. Principales limites : - sous-estimation de la variance interannuelle excepté pour UV10, en hiver, aux moyennes et hautes latitudes - performances de la méthode plus limitées aux tropiques - ne permet pas de capturer la tendance en température de surface l’été (AMO, forçage anthropique, …)

PLAN Introduction Principe général de la méthode 1 Introduction 2 Principe général de la méthode 3 Liens entre la dynamique atmosphérique de grande échelle et les variables de surface 4 Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

circulation atmosphérique variables atmosphériques 5. Application au modèle couplé CNRM-CM3 MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE ORCA05 0.5°

5. Application au modèle couplé CNRM-CM3 Introduction Objectif S’assurer de la fonction de débiaisage de la méthode en vérifiant que l’on obtient un jeu de forçage et une simulation océanique plus réalistes que dans le modèle couplé. Variables atmosphériques de surface : - DFS4 : Jeu de référence DFS4 - DFS4-rec : Jeu de forçage DFS4 reconstruit par la méthode - CNRM-CM3-rec : Jeu de forçage reconstruit par la méthode à partir de la grande échelle de la simulation XXème siècle issue du modèle CNRM-CM3 - CNRM-CM3 : variables de surface directement issues de la simulation couplée CNRM-CM3

circulation atmosphérique variables atmosphériques 5. Application au modèle couplé CNRM-CM3 CNRM-CM3-rec CNRM-CM3 MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution 0.25° - 0.5°

Validation du jeu de forçage reconstruit Etat moyen 5. Application au modèle couplé CNRM-CM3 Etat moyen (1950-1999) sur les boîtes atlantiques Vent zonal U10 (m/s) Température à 2m (°C) DFS4 DFS4-rec CNRM-CM3-rec CNRM-CM3 - Les variables de surface reconstruites CNRM-CM3-rec ont un état moyen très similaire à DFS4. - Les erreurs dues à la reconstruction dans CNRM-CM3-rec sont nettement moins grandes que dans CNRM-CM3.

Validation du jeu de forçage reconstruit Variance 5. Application au modèle couplé CNRM-CM3 Vent zonal U10 (m/s) Amélioration de la variance journalière, trop faible dans le modèle couplé. Température à 2m (°C) Ecart-type journalier DFS4 DFS4-rec CNRM-CM3-rec CNRM-CM3 Perte de variance interannuelle avec la méthode. Mais variance qui souffre aussi de biais importants dans le modèle couplé. Température à 2m (°C) Ecart-type interannuel Vent zonal U10 (m/s)

5. Application au modèle couplé CNRM-CM3 Validation du jeu de forçage reconstruit Variabilité interannuelle et tendances 5. Application au modèle couplé CNRM-CM3 Modes principaux de variabilité du vent de surface : - CNRM-CM3-rec présente des structures spatiales plus réalistes que dans CNRM-CM3. - Les composantes principales associées restent très fortement corrélées à celles de CNRM-CM3 (>0.8) débiaisage spatial de CNRM-CM3 tout en gardant sa variabilité interannuelle Tendances : Incapacité de la méthode à reproduire une tendance non induite par des changements de dynamique atmosphérique estimée en termes de régimes de temps

circulation atmosphérique variables atmosphériques 5. Application au modèle couplé CNRM-CM3 MODELE OCEANIQUE "Haute" résolution 0.25° - 0.5° MODELE COUPLE 2. reconstruction OBSERVATIONS circulation atmosphérique de grande échelle variables atmosphériques à la surface de l'océan circulation atmosphérique de grande échelle Modèle statistique Modèle statistique Variables de surface reconstruites MODELE OCEANIQUE "Haute" résolution 0.25° - 0.5°

Salinité trop importante Sous-estimation la SST Analyse de la simulation océanique Etat moyen 5. Application au modèle couplé CNRM-CM3 °C CNRM-CM3 SST Etat moyen de la température et salinité de surface 1950-1999 Contours noirs : données Levitus CNRM-CM3-rec CNRM-CM3-rec CNRM-CM3 SSS psu Salinité trop importante en mer du Labrador Sous-estimation la SST dans CNRM-CM3 Biais moyen de -2°C Salinité trop faible dans l’Atlantique Sud SSS débiaisée dans CNRM-CM3-rec SST débiaisée dans CNRM-CM3-rec

SST SST SSS 5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique Variance de la température et salinité de surface 1950-1999 SST CNRM-CM3-rec CNRM-CM3 DFS4 Aux tropiques, variance sous-estimée dans CNRM-CM3-rec mais surestimée dans CNRM-CM3 SST SSS Variance surestimée dans CNRM-CM3 et plus réaliste dans CNRM-CM3-rec

5. Application au modèle couplé CNRM-CM3 Analyse de la simulation océanique Variabilité interannuelle 1ère EOF de SST CNRM-CM3-rec CNRM-CM3 Variabilité temporelle conservée avec une amélioration de la structure spatiale, plus réaliste Observations HadISST

PLAN Introduction Principe général de la méthode 1 Introduction 2 Principe général de la méthode 3 Liens entre la dynamique atmosphérique de grande échelle et les variables de surface 4 Construction et validation du modèle statistique 5 Application au modèle couplé CNRM-CM3 6 Conclusions et perspectives

6. Conclusions et Perspectives La méthode mène à bien son rôle de correcteur de biais du modèle couplé. Les erreurs d’état moyen océanique dans CNRM-CM3-rec sont fortement réduites par rapport à CNRM-CM3. La méthode permet de conserver une partie de la variabilité interannuelle de CNRM-CM3. Limites principales de la méthode : - des performances plus limitées aux tropiques - tendance au réchauffement non reproduite

6. Conclusions et Perspectives Application multi-modèle, de façon à tester la robustesse des résultats obtenus avec CNRM-CM3. Envisager un autre type d’approche que les classes de vent aux tropiques où la méthode est moins performante. Confronter la méthode à d’autres types de méthode de désagrégation. Perspectives d’amélioration de la méthode Application au climat futur avec les questions que cela pose (tendance en Z500, tendance en température) Application à des zones géographiques plus restreintes: applications côtières avec utilisation d’un modèle régional d’océan. Prévision mensuelle océanique : application aux ensembles de prévision mensuelle atmosphérique du Centre Européen, déjà utilisés en test par Mercator-Océan. Perspectives d’application de la méthode

6. Conclusions et Perspectives Perspective : application au climat futur Etude préliminaire : application à la simulation A21 du modèle CNRM-CM3 - Tendance en Z500 - Tendance en température de surface Questions rencontrées lors de l’application de la méthode Différence de SST (2080-2099) – (2000-2019) Indice de circulation océanique méridienne moyenne Simulation A21 couplée Simulation A21 reconstruit

6. Conclusions et Perspectives Application multi-modèle, de façon à tester la robustesse des résultats obtenus avec CNRM-CM3. Envisager un autre type d’approche que les classes de vent aux tropiques où la méthode est moins performante. Confronter la méthode à d’autres types de méthode de désagrégation. Perspectives d’amélioration de la méthode Application au climat futur avec les questions que cela pose (tendance en Z500, tendance en température) Application à des zones géographiques plus restreintes: applications côtières avec utilisation d’un modèle régional d’océan. Prévision mensuelle océanique : application aux ensembles de prévision mensuelle atmosphérique du Centre Européen, déjà utilisés en test par Mercator-Océan. Perspectives d’application de la méthode

Merci de votre attention