Juliette Mignot Didier Swingedouw Eric Guilyardi Sébastien Nguyen

Présentation au sujet: "Juliette Mignot Didier Swingedouw Eric Guilyardi Sébastien Nguyen"— Transcription de la présentation:

1 L’exercice de prévision « near-term » à l’IPSL-LOCEAN et au CNRM/Cerfacs
Juliette Mignot Didier Swingedouw Eric Guilyardi Sébastien Nguyen Sonia Labetoulle Sulagna Ray Jérôme Servonnat Agathe Germe Pablo Ortega Javier Garcia-Serrano Christophe Cassou Emilia Sanchez Gomez Elodie Fernandez Laurent Terray Marie Pierre Moine David Salas y Melia Yohan Ruprich-Robert Matthieu Chevallier Agathe Germe Paul Arthur Monerie EPIDOM

2 Les défis liés à la particularité de l’exercice
La préparation de conditions initiales La génération d’un ensemble La gestion d’un grand nombre de simulations courtes La gestion de la dérive La prise en main des statistiques de prévision Cassou and Mignot 2013

3 Stratégies techniques: méthode d’initialisation
IPSL CNRM/Cerfacs Sea surface restoring Sea surface restoring 3D newtonian damping β = f(depth, space) Feedback coefficient = -40W/m2/K In the thermocline (1/ β) =0 Below thermocline β = 10 days Restoring towards SST ANOMALIES Deep Ocean β = 360 days No nudging within the Equatorial band (1oN-1oS) and near the coast (300km) (1/ β) =0 Restoring towards FULL 3D T & S

4 Les résultats en terme de prévisibilité/prévision
température de surface CNRM/Cerfacs detrended data Score de correlation Échéance = 2-6 ans IPSL Cassou and Mignot 2013

5 Les résultats en terme de prévisibilité/prévision
IPSL Example 1: decomposing the predictability of the Atlantic multidecadal variability (AMV) N. Atl SST skill score 0-60°N Example 2: long predictability of the Nutrient Primary Production (NPP) in the Tropics 1-4 2-5 3-6 4-7 5-8 6-9 30-60°N Lead-time 2-5yrs NPP SST 0-30°N SST 1-4 2-5 3-6 4-7 5-8 6-9 Lead-Time (years) Seferian et al. 2014 Mignot et al. 2015

6 (cercles: dispersion des ensembles DEC et HIST différente (95%))
Les résultats en terme de prévisibilité/prévision CNRM/Cerfacs Bellucci et al, 2014 Evaluation multi-modèle CNRM-CM5 Germe et al 2014 Prévisibilité potentielle de la glace de Mer en Arctique Monerie et al. to be submitted Le hiatus Ten-years linear trends for to the time-period for several observational datasets and for the hindcasts (cercles: dispersion des ensembles DEC et HIST différente (95%))

7 Essayer d’améliorer les performances?
IPSL CNRM/Cerfacs Impact of the model resolution Impact of the start date frequency BR Lead-Time (years) Impact of the ensemble size N. Atl SST skill score HR 3 members start dates every yr 9 members start dates every 5 yrs 1-4 2-5 3-6 4-7 5-8 6-9 1-4 2-5 3-6 4-7 5-8 6-9 Lead-Time (years) Mignot et al. 2015

8 Les résultats scientifiques que l’on préfère
Travail sur l’initialisation: variables, régions, coefficient de rappel, interaction avec le forçage externe IPSL Réussir à initialiser la température en sub-surface en ne contraignant « que » la SST et la SSS Mettre en évidence une interférence entre la variabilité décennale naturelle et le forçage volcanique SST only: correlation only significant above winter mixed layer SST+SSS: reconstruction down to 2000m for both T and S ! Surface Mxl depth Reconstructions 300 m 2000 m Servonnat et al. 2014 Nudged with SST 15 yrs Reconstruire un pic extrême d’AMOC en affinant la technique de rappel vers la SST Historical Control 1963 1982 1991 Ortega et al. in prep. Swingedouw et al. 2013, 2015

9 Les résultats scientifiques que l’on préfère
Sanchez-Gomez et al. 2015 Etude de dérives pour comprendre les mécanismes du développent d’erreur dans les modèles CNRM/Cerfacs Pacifique Tropical Atlantique Nord Year1 – Year4 Year5 – Year10 leadtime DEC – NCEP SLP (hPa) DEC – ICs Equatorial 20°C isotherm depth (colors) and 10m winds over 2°S–2°N Initialisation with nudging outside the tropics Initialisation with nudging everywhere Excitation of El Niño event at Y1. La Niña event occurs at Y2. The spurious oscillatory behavior is progressively damped until Y4. This mechanism is much more pronounced in DEC_NOEQ AMOC (Sv) The AMOC progressively decreases in response to intrinsic atmospheric biases (NAO- pattern)

10 La suite? DCPP (CMIP6) IPSL CNRM/Cerfacs A. Refaire des hindcasts
Non dans un premier temps Travailler sur les verrous scientifiques d’abord Eventuellement période réduite B. Forecasts « realtime » Eventuellement pendant quelques années avec le système « CMIP5 » (IPSL-CM5A-LR / CNRM-CM5) C. Pacemakers Oui, au moins en partie Etude de cas: Réchauffement gyre subpolaire N. Atl 1995 Peut-être (problème de dépendance avec A.) Sensibilité au forçage volcanique Probablement en partie