VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC Alejandro Di Luca Directeur: René Laprise Co-directeur: Ramón de Elía 29 Août 2008 Université du Québec à Montréal

Plan de la présentation 1. MRC vs MCG D’où peut venir la valeur ajoutée (VA)? D’où peut venir la valeur ajoutée (VA)? VA comme fonction des échelles spatiales VA comme fonction des échelles spatiales 2. Comparaison de la précipitation aux échelles du MGC: modèles vs observations. 3. MRC Canadien vs MCG Canadien Cycle annuel Cycle annuel Histogrammes quotidiennes Histogrammes quotidiennes Evénements les plus extrêmes Evénements les plus extrêmes 4. Discussion des résultats. § Incertitudes de l’étude.

3 MRC vs MGC: D’où peut venir la valeur ajoutée? MRC à plus haute résolution Discrétisation plus exact d'équations  Avantage Désavantage Meilleure représentation des forçages de surface   Topographie, régions côtières, effets de lacs et autres  Erreurs dans conditions latérales au frontière (Diaconescu et al. 2007)  Technique de pilotage utilisée peut introduire des erreurs Mais, ils résout un domaine limité 

Hypothèse: la région  3 comprend des échelles spatiales qui sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC (Laprise (2003), Feser (2006)). Longueur d’onde  33 22 11  Modèle Global Adapté de Laprise (2003) Modèle Régional Échelles d’intérêt OBJECTIF général: OBJECTIF général: étudier la valeur ajoutée dans des simulations du MRC pour des statistiques quotidiennes de précipitation dans la région  3

5 Approche objectif général: comparaison aux échelles du MGC Climat du MGC : CGCM3.1 Type: spectral Res Hor..: T47 (approx. 3.75° lat-lon) Climat MRC Climat MGC Climat observé Statistique climatique VALEUR AJOUTÉE

6 Climat du MGC : CGCM3.1 Climat du MRC  version MRC_V4.2.0 Type du modèle: point de grille Res. Hor.: 45 km at 60° Domaine: 201 x 193 (AMNO) Pilotée par CGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec pilotage spectral Approche objectif général: comparaison aux échelles du MGC Climat MRC Climat MGC Climat observé Statistique climatique VALEUR AJOUTÉE

7 Climat MRC Climat MGC Climat observé Statistique climatique VALEUR AJOUTÉE Approche à utiliser: étudier des séries temporelles moyennées spatialement sur des régions incluants 1 point de grille du MGC 4 points de grille du MGC Climat du MGC : CGCM3.1 Climat du MRC  version MRC_V4.2.0 Pilotée par CGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec lsn Climat Observé : stations d’Environnement Canada. Approche objectif général: comparaison aux échelles du MGC

Approche pour les autres forçages Variable Variable   Précipitation Forçage de surface: Forçage de surface:   5 régions différentes au Canada point de grille du MGC 4 points de grille du MGC

Variable Variable   Précipitation Forçage de surface Forçage de surface   5 régions différentes Statistiques climatiques ( ) Statistiques climatiques ( ) Statistiques climatiques ( Statistiques climatiques (   Moyennes mensuelles  Etudier le cycle annuel   Distributions de fréquence d’intensité   Événements plus extrêmes Circulation atmosphérique Circulation atmosphérique   Différentes saisons (DJF, MAM, JJA, SON) Approche pour les autres forçages

MOYENNE MENSUELLE DE PRÉCIPITATION REGION 1 REGION 5 REGION 4 MRCC (pilote: CGCM) MRCC (pilote: NCEP) MGCC OBS REGION 2

Seuil (mm/jour) 11 HIVER (DJF) - REGION 1 HIVER (DJF) - REGION 1 Fréquence (%) HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES MRCC (pilote: CGCM) MRCC (pilote: NCEP) MGCC OBS

Seuil (mm/jour) 12 Fréquence (%) REGION 2 REGION 4 REGION 3 REGION 5 HIVER (DJF) HIVER (DJF) HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES

13 Seuil (mm/jour) Fréquence (%) ÉTÉ (JJA) - REGION 1 ÉTÉ (JJA) - REGION 1 HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES

Seuil (mm/jour) 14 Fréquence (%) REGION 2 REGION 4 REGION 3 REGION 5 ÉTÉ (JJA) ÉTÉ (JJA) HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES

ÉTÉ (JJA) ÉTÉ (JJA) ACCORD ENTRE DONNÉES SIMULÉES ET OBSERVÉES S: S: Mesure le degré de chevauchement entre deux histogrammes HIVER (DJF) HIVER (DJF) Région  S = 1 pour deux histogrammes égales

REPRESENTATION DES JOUR SECS ÉTÉ (JJA) ÉTÉ (JJA) HIVER (DJF) HIVER (DJF) Région Jours secs: événements avec un taux de précipitation < 1 mm/jour

Région ÉTÉ (JJA) ÉTÉ (JJA)  Evaluation des événements les plus intenses.  5% de données journalières sont plus grandes que le percentile 95% Taux de précipitation (mm/jour) PERCENTILE 95 % HIVER (DJF) HIVER (DJF)

 En général, les deux modèles (MRCC et MGCC) montrent des performances semblables pour simuler :  Cycle annuel (moyennes mensuelles)  Histogrammes de précipitation en hiver  En été, histogrammes caractérisés par 1.Sous-estimation d'occurrence "de jours secs" 2.Surestimation d'occurrence de précipitation faible 3.Sous-estimation d'occurrence d’intense précipitation Presque indépendamment de la région, ce schéma de déviations est plus prononcé dans le MRCC RÉSUMÉ DES RESULTATS Rien ne prouve qu’il existe de la valeur ajoutée dans les simulation du MRCC

 Pourquoi pourrait-on attendre l’existence de valeur ajoutée dans les échelles étudiées? DISCUSSION Hypothèse: La région  3 comprend des échelles spatiales qui sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC Sûrement valide dans le cas des variables instantanées (Pielke (1991), Laprise (1992), Walters (2000)). Et pour des variables moyennées temporellement? Dans notre étude, les résultats du MGCC dans des différents domaines (1 et 4 points de grille) semblent montrer des performances similaires L’hypothèse ne semble pas être appropriée

 Revers de l’approche utilisée La performance relative des statistiques simulées par les deux modèles est déterminée en comparant les valeurs simulées avec les observées. DISCUSSION  Mais un modèle peut produire des « bons » résultats pour les mauvaises raisons. Exemple, résultats du MRCC piloté par le MGCC et par les réanalyses Comment est-t-il donc possible d'obtenir de "meilleurs" résultats en utilisant des données de pilotage d’une qualité inférieure? Les erreurs dans les CFL doivent nécessairement être compensées par le MRCC.

Références INTRODUCTION Denis, B., J. Côté and R. Laprise, 2002a: Spectral Decomposition of Two- Dimensional Atmospheric Fields on Limited-Area Domains Using the Discrete Cosine Transform (DCT). Mon. Wea. Rev., 130, Diaconescu, E. P., R. Laprise and L. Sushama, 2007: The impact of lateral boundary data errors on the simulated climate of a nested Regional Climate Model. Clim. Dyn. 28(4), Laprise, R., 2003: Resolved scales and nonlinear interactions in limited-area models. J. Atmos. Sci., 60(5), METHODOLOGIE Durman, C. F., J. M. Gregory, D. C. Hassell, R. G. Jones et J. M. Murphy. "A comparison of extreme European daily precipitation simulated by a global and a regional climate model for present and future climates. Q. J. R. Meteorol.Soc., 127, , Feser, F., 2006: Enhanced Detectability of Added Value in Limited-Area Model Results Separated into Different Spatial Scales. Mon. Wea. Rev., 134, 2180– 2190.

Gutowski, W. J., S. G. Decker, R. A. Donavon, Z. Pan, R. W. Arritt and E. S. Takle, 2003: Temporal-spatial scales of observed and simulated precipitation in central U.S. climate. J. Climate, 16, Laprise, R., R. Jones, B. Kirtman, H. von Storch and W. Wergen, 2002: Atmospheric regional climate models (RCMs): A multiple purpose tool? Report of the « Joint WGNE/WGCM ad hoc Panel on Regional Climate Modelling », 19 pp. RESULTATS Kunkel, K.E., K. Andsager, X.Z. Liang, R.W. Arritt, E.S. Takle, W.J. Gutowski, and Z. Pan, 2002: Observations and Regional Climate Model Simulations of Heavy Precipitation Events and Seasonal Anomalies: A Comparison. J. Hydrom., 3, 322– 334. Oreskes N., K. S. Shrader-Frechette and K. Belitz, 1994: Verification, Validation, and Confirmation of Numerical Models in the Earth Sciences. Science, 263, 641– 646. Paquin D., D. Caya and R. Laprise, 2002: Treatment of moist convection in the Canadian Regional Climate Model. Ouranos, Équipe Simulations climatiques. Rapport interne no 1, 30 p. Merci d’être venu