Projections du climat pour l’Afrique de l’Ouest

Présentation au sujet: "Projections du climat pour l’Afrique de l’Ouest"— Transcription de la présentation:

1 Projections du climat pour l’Afrique de l’Ouest
Andrew Hartley, Met Office: PARCC atelier national sur le climat et la vulnérabilité des espèces face au changement climatique, Avril 3-5, 2013

2 Objectifs de ce matin Résumer le climat Ouest-Africain
Aborder la technique de réduction d’échelle au niveau régional Comprendre les résultats obtenus à partir du MCR Africain Session pratique sur l’extraction et l’analyse des résultats

3 Le Climat Ouest-Africain

4 Principaux moteurs du Climat Ouest-Africain
Mouvement saisonnier de la Zone de Convergence Inter-Tropicale Températures de surface de la mer dans le Golf de Guinée Connexion à la mousson Asiatique et au réservoir d’eaux chaudes du Pacifique El Nino Occupation du sol

5 La mousson Ouest-Africaine

6 La mousson Ouest-Africaine

7 Occupation locale du sol
Garcia-Carreras, L., et al (2010). Impact of mesoscale vegetation heterogeneities on the dynamical and thermodynamic properties of the planetary boundary layer. Journal of Geophysical Research, 115

8 Processus de réduction d’échelle

9 Du climat global au climat local…
Downscaling techniques can bridge the spatial gaps between GCM and other modelling component of the climate system such the hydrosphere. … à partir d’une grille MCG jusqu’au point d’intérêt.

10 Pourquoi une réduction d’échelle?
Raison Principale: Les MCG manquent de détails à l’échelle régionale à cause de la résolution trop grossière utilisée dans un grand nombre d’études du climat -> besoin de recourir à une échelle plus fine dérivée des MCG. Les échelles plus fines croisent les éléments du climat global avec les détails physiographiques locaux Il y a un besoin croissant de mieux comprendre les processus qui déterminent le climat regional Besoin de détails au niveau régional pour évaluer la vulnérabilité et les stratégies d’adaptation possibles Coupled AOGCMs are the modelling tools traditionally used for generating projections of climatic changes due to anthropogenic forcing. The horizontal atmospheric resolution of present day AOGCMs is still relatively coarse, order of km, due to the centennial to millennial time scales associated with the ocean circulation and the computing requirements that these imply. GCMs projections of climate change, due to the coarse spatial resolution, lack the regional detail that impact studies need to assess vulnerability and hence possible adaptation strategies. 1) Smaller scale climate is the outcome of an interaction of larger scale dynamics and smaller scale physiographic details. The concept is based on the fact that the global scale circulation has been already formed on an aqua planet without any physiographic details; the formation of stationary planetary features needs the presence of gross land-sea contrast and largest mountain ranges. 2) There is an increasing need to better understand the processes that determine regional climate. To date, a relatively high level of uncertainty has characterised regional climate change information. This is due to the complexity of processes that determine regional climate change, which span a wide range of spatial and temporal scales 3)evaluate regional climate change information for use in impact studies and policy planning., and to the difficulty of extracting fine scale regional information from coarse resolution coupled Atmosphere-Ocean General Circulation Models (AOGCMs). One has to keep in mind that the regionalization of the climate operates with the assumption that the large-scale are properly represented by global simulation or global analysis. © Crown copyright Met Office 10

11 Qu’est-ce qu’un Modèle Climatique Régional?
Un modèle climatique physique à haute résolution qui couvre une aire limitée du globe Il inclut (au moins) les paramètres de l’atmosphère et de la surface terrestre dans le système climatique Il contient les représentations des processus importants du système climatique e.g. Couverture nuageuse, radiation, précipitation A Regional Climate Model (RCM) is a high resolution climate model that covers a limited area of the globe, typically 5,000 km x 5,000 km. RCMs are based on physical laws represented by mathematical equations that are solved using a three-dimensional grid. The typical horizontal resolution of an RCM is 50 km. Hence RCMs are comprehensive physical models, usually including the atmosphere and land surface components of the climate system, and containing representations of the important processes within the climate system (e.g., cloud, radiation, rainfall, soil hydrology). Many of these physical processes take place on much smaller spatial scales than the model grid and cannot be modelled and resolved explicitly. Their effects are taken into account using parametrizations by which the process is represented by relationships between the area or time averaged effect of such sub-grid scale process and the large scale flow.

12 Conditions aux limites latérales
LBC = Conditions météorologiques aux limites, sur les bordures latérales du domaine du MCG Délimitent l’extension du MCR pendant toute la période de simulation Fournissent des informations sur la partie extérieure au domaine, nécessaires au MRC Les données proviennent des MCG ou des observations Variables des conditions aux limites latérales Vent Température Eau Pression Aérosols Given that RCMs are limited area models they need to be provided with values of the prognostic variables at their edges, and these time-dependent large-scale data, which we call the lateral boundary conditions (LBCs), constrain the RCM at its edges throughout the simulation. The data for the LBCs come either from existing GCM integrations or from analyses of observations, and are applied over a buffer zone at the edge of the domain of 4 grid points in width. Therefore the RCM is only completely freely evolving outside of this buffer zone in its interior, and so the results over this rim must be discarded from any analysis that is carried out on the data. LBC variables © Crown copyright Met Office

13 Avantages des MCR

14 Les MCR simulent le climat actuel de façon plus réaliste
Modèles de distribution des précipitations hivernales actuelles sur la Grande Bretagne Where terrain is flat for thousands of kilometres and away from coasts, the coarse resolution of a GCM may not matter. However, most land areas have mountains, coastlines etc. on scales of a hundred kilometres or less, and RCMs can take account of the effects of much smaller scale terrain than GCMs. The diagram shows simulated and observed winter precipitation over Great Britain. The observations clearly show enhanced rainfall over the mountains of the western part of the country, particularly the north west. This is missing from the GCM simulation, which shows only a broad north –south difference. In contrast to the GCM, the 50 km RCM represents the observed rainfall pattern much more closely. © Crown copyright Met Office

15 Représenter des îles plus petites
The coarse resolution of a GCM means than many islands are just not represented and hence their climate is predicted to change in exactly the same way as surrounding oceans. However, the land surface has a much lower thermal inertia than the oceans so will warm faster. If it has any significant hills or mountains, these will have a substantial influence on rainfall patterns. In an RCM, many more islands are resolved, and the changes predicted can be very different to those over the nearby ocean. As an example, the diagram shows the Hadley Centre GCM prediction of summer temperature change in and around the Mediterranean. Even large islands such as Corsica, Sardinia and Sicily are not seen by the GCM, and hence they appear to warm at the same rate as the sea. In contrast, in the corresponding RCM simulation these islands are resolved and are seen to warm faster than the surrounding ocean, as might be expected. Hence, impacts based on the GCM will be in error. (Of course some islands will not even be resolved at a resolution of 50 km, and await the use of the RCM at a higher resolution.) Changements projetés dans les températures de surface estivales entre aujourd’hui et la fin du 21ème siècle. © Crown copyright Met Office

16 Prédire le changement climatique avec plus de détails
The finer spatial scale will also be apparent, of course, in predictions. When warming from increased greenhouse gases changes patterns of wind flow over a region then the way mountains and other local features interact with this will also change. This will affect the amount of rainfall and the location of windward rainy areas and downwind rain-shadow areas. For many mountains and even mountain ranges, such changes will not be seen in the global model, but the finer resolution of the RCM will resolve them. The diagram shows how the RCM predicts that winter precipitation over the Pyrenees and Alps, two mountain ranges in Europe, will decrease substantially between now and the 2080s. The GCM for the same period shows there to be little change, or even an increase in rainfall over these areas. Changements projetés des précipitations hivernales entre aujourd’hui et 2080. © Crown copyright Met Office

17 Simuler et prédire les changements dans les évènements extrêmes de façon plus réaliste
Changes in extremes of weather, for example heavy rainfall events, are likely to have more of an impact than changes in annual or seasonal means. RCMs are much better than GCMs at simulating extremes. The diagram shows the probability of daily rainfall over the Alps being greater than a number of thresholds up to 50 mm. It is clear that the GCM-simulated probability does not agree well with observations, whereas the RCM simulation is much more realistic. For this reason, RCM predictions of changes in extremes in the future are likely to be very different to, and much more credible than, those from GCMs. Fréquence des jours d’hiver dans les Alpes avec différents seuils de précipitations quotidiennes. © Crown copyright Met Office

18 Simuler les cyclones et les ouragans
The impact of a hurricane (severe tropical cyclone, typhoon), such as Hurricane Mitch that hit Central America in October 1998, can be catastrophic. We do not know if hurricanes will become more or less frequent as global warming accelerates, although there are indications that they could become more severe. The few hundred kilometre resolution of GCMs does not allow them to properly represent hurricanes, whereas RCMs, with their higher resolution, can represent such mesoscale weather features. This is clearly illustrated in the Figure, where the pressure pattern for a particular day simulated by a GCM and that simulated by the corresponding RCM are shown. At first glance, the two pressure patterns look very similar though there is one crucial difference; there is a cyclone in the Mozambique Channel in the RCM which is absent in the driving GCM. Un cyclone tropical est clairement apparent dans le MCR (à droite) mais pas dans le MCG © Crown copyright Met Office

19 Le processus de modélisation
MCR Africain Le processus de modélisation

20 Le domaine CORDEX de l’Afrique

21 Configuration du Modèle
De Décembre 1949 à Décembre 2099 Résolution spatiale : 50km MCR PRECIS avec MOSES 2.2 land surface Scénario A1B Grands lacs Africains inclus

22 L’approche Ensemble Objectif: Quantifier l’incertitude dérivée des MCG dans les projections climatiques des modèles régionaux QIPM: Quantification de l’Incertitude des Projections du Modèle 17 membres MCG dans l’Ensemble, chacun avec une configuration de base différente Sous-sélection de 5 MCG pour fournir les LBC pour 5 MCR différents. Sélection des modèles basée sur l’analyse régionale des MCG pour l’Afrique. Étalement dans les résultats de sortie produits par l’ensemble des modèles Exclure certains membres ne représente pas le climat Africain de façon réaliste.

23 Sélection des conditions aux limites
The 17 transient runs were first ranked according to their skills in specific key-areas For practical purpose only a subset of the run was selected This was chosen to sample evenly the spread of the models Each member was later used as a boundary condition for a © Crown copyright Met Office 23

24 Validation d’après les observations
Jeu de données Variables utilisées Résolution Source Référence CRU 3.0 1.5m Température 0.5° mensuelle, terrestre seulement Données de station sur une grille Mitchell and Jones 2005 ERA40 850hPa Vents 2.5° mensuels Nouvelle analyse Uppala et al, 2005 CMAP Précipitation 2.5° mensuelle Données de station sur une grille combinées avec des données satellites Xie and Arkin, 1997

25 Validation du MCG Pas de scénario ‘très bon’ ou ‘très mauvais’
Ils capturent généralement bien la durée et la localisation des précipitations, mais la magnitude varie La sensibilité des modèles et leurs biais ne sont pas indépendants Ex. Q1-5 plus froids et secs Etapes 1 et 2: pas indépendantes! Mais on veut éviter les modèles Q1,3,4 et 16 qui ne capturent pas bien les cycles saisonniers dans aucune sous-région.

26 Mousson Précipitation
Basé sur les observations du CMAP Période: Juin-Septembre Tous les modèles donnent une prédiction relativement raisonnable de l’extension de la mousson Q1,3,4 et 5 sous-estiment la quantité des précipitations Q6, 9, 12, 14, 15, et 16 sur-estiment légerement les précipitations.

27 Vents et pression de surface
Basé sur les réanalyses du ERA40

28 Comparaison aux autres MCG

29 Comparaison aux autres MCR

30 Sous-sélection Q0, Q2, Q9, Q13, Q14 Q0 – modèle non perturbé
Les simulations Q2 et Q0 représentent des réponses correspondant à des gammes plutôt froides Les simulations Q13 et 14 représentent des réponses correspondant à des gammes plutôt chaudes Les simulations Q9 et 14 représentent des réponses correspondant à des gammes plutôt humides Les simulations Q0 et 2 représentent des réponses correspondant à des gammes plutôt sèches (bien que cela varie saisonnièrement)

31 Principaux points La distribution géographique à grande échelle des températures et des précipitations du climat Africain est bien représentée. L’échantillon représente la gamme de réponses complete produite par l’Ensemble QUMP ainsi que la variation annuelle pour autant de sous-regions que possible. Q0 et Q2 représentent des réponses correspondant à des gammes de projections futures plutôt froides, et Q13 et Q14 représentent des réponses correspondant à des gammes plutôt chaudes, afin de couvrir toute la gamme de températures. Aucun modèle en particulier ne montre de facon persistante des changements importants dans le régime des précipitations pour les deux régions sur l’année entière. Q14 représente des réponses correspondant à des gammes de projections futures plutôt humides pour l’Afrique Tropicale de l’Ouest pendant les mois de Décembre, Janvier et Février (DJF), mais pas pendant les mois de Juin, Juillet et Aout (JJA), et annuellement pour le Sahel Occidental c’est en fait le modèle le plus sec. Dans l’ensemble, l’analyse suggère que Q0 représente bien des températures plutôt sèches dans les gammes de projections futures et Q9 représente bien des conditions plutôt humides. Large scale geographical distribution of the temperature and precipitation of the African climate are captured, however the magnitudes do not always compare well with the observations. The sample captures full range of outcomes produced by the QUMP ensemble and captures the annual variation for as many of the sub-regions as possible.

32 Résultats clés pour l’Afrique de l’Ouest

33

34 Précipitation

35

36

37

38

39

40

41

42

43

44 Session Pratique