Meso-NH model 40 users laboratories

Présentation au sujet: "Meso-NH model 40 users laboratories"— Transcription de la présentation:

1 Meso-NH model 40 users laboratories
A research model, jointly developped by Meteo-France and Laboratoire d’Aérologie (CNRS/UPS) 40 users laboratories

2 Plan General presentation of the model Meso-scale simulations.
Large-Eddy simulations Atmospheric Chemistry New couplings : Electricity, Hydrology, Dispersion Climatology Diagnostics

3 The different meteorological model at Météo-France
Global Climate Model (GCM) (Dx > 100 km) : ARPEGE Climat NWP at synoptic scale : ARPEGE (Dx=20-25km on France) NWP at meso-a scale : ALADIN (Dx=10km) NWP at meso-b scale : AROME (2008) (Dx=2.5km) Research model for synoptic to meso-g scale : Méso-NH (Dx=50km to 10m).

4 Why do we need a high resolution research model ?
To improve parameterizations for Large Scale models : fine resolution simulations allow to resolve the main coherent patterns and inform on fine scale variability. To help the evaluation and the improvement of AROME To better understand the physics (e.g. cloud processes), to characterize local effects To carry out impact studies and use the model as a laboratory To develop new couplings (e.g. Electricity, Hydrology …) A broad variety of developments and applications

5 Meso-NH characteristics
A broad range of resolution from synoptic scales (Dx~10km), meso-scale (Dx~1km) to Large Eddy Simulation (Dx~10m) Real cases (from ECMWF, ARPEGE, ALADIN analyses or forecasts) Ideal cases  unrealistic cases - Academic cases (validation of the dynamics) - Basic studies (Diurnal cycle …) : Cloud Resolving Model (CRM) - To reproduce an observed reality (via forcings) (intercomparison : GCSS, EUROCS …) Simulations 3D, 2D, 1D From a simple to a sophisticated physics An accurate but expensive dynamics A set of diagnostics (budgets, profilers, trajectories …) Parallelized and vectorized A broad range of hardware system for the research community : FUJITSU, NEC, CRAY, IBM, cluster of PC No operational objective.

6 The meso-scale simulations with Meso-NH : 1km<Dx<10km

7 Typical configuration for a real test study
Domaine 10-km Typical configuration for a real test study A father model at 10km resolution with the deep convection scheme, the subgrid condensation scheme, the ICE3 microphysics and the 1D turbulence scheme A son model at 2.5km resolution without deep convection scheme but with the shallow convection scheme, the ICE3 microphysics and the 1D turbulence scheme Domaine 2.5-km ~ km

8 1 severe episode (+500 mm/24 h)
As many other Western Mediterranean regions, Southern France is prone to devastating flash-floods during the fall season Number of days with daily rain > 200 mm for the period [ ] on the South-East Massif Central Alpes Pyrénées 1 severe episode (+500 mm/24 h) 2002

9 Impact of the convective system on the triggering and the localization
CTRL = With cooling associated to evaporation of precipitation NOC = Without cooling Cumulated precipitation during 4 hours Gard ‘02 CTRL = With Massif Central NOR = Without Massif Central Cooling induced by evaporation of rain and orography forcing are 2 major factors inducing quasi-stationary convective systems Nuissier et Ducrocq, 2006

10 Impact of meso-scale assimilation
Without meso-scale analysis Initialisation arpège 6 UTC Assimilation 10 km 6h pas 6h Cumulated precipitation during 18 hours Without assimilation, precipitation intensity is well reproduced, but not the exact localization Pluviomètres Jaubert and Ducrocq, 2006

11 How can dynamics modify the microphysics ?
Orographic precipitation 3D (MAP) How can dynamics modify the microphysics ? ECMWF32 km 8 km 2 km Monte Lema S Pol Ronsard 3 Doppler radars ( ) 32km : 150x150 8km : 145x145 2km : 150x150 over 51 levels (Keil et Cardinali, 2003) IOP2a (F>1) IOP8 (F<1) Lascaux et Richard, 2005

12 Mean vertical distribution of hydrometeors
Orographic precipitation 3D (MAP) Mean vertical distribution of hydrometeors IOP2a IOP8 Ice Snow Graupel Snow Hail Cloud Rain IOP2a ( Strong convection) - Deep system (unblocked unstable case, high Fr=U/Nh) Large amount of hail and graupel Main process : Riming IOP8 ( Stratiform event) - Shallow system (blocked case, low Fr) Large amount of snow Main process : Vapor deposition on snow Lascaux et Richard, 2005

13 Orographic precipitation 3D (MAP) IOP2a
Radar observations graupel Simulation (Meso-NH) Z > 60 dBz 12 km 100 km Tabary, 2002 (x) hail + graupel (o) hail ( ) rain Un exemple de comparaison entre une restitution radar de paramètres microphysiques et une simulation numérique: La simulation restitue correctement l’apparition de la grêle entre 18h et 19h et l’étagement des hydrométéores: mélange grêle/graupel, grêle, mélange pluie/grêle, et pluie. Les paramètres restitués par l’algorithme radar sont: les cristaux orientés verticalement (VC) et horizontalement (HC), la neige mouillée (WS) et sèche (DS), les mélange graupel/grêle (GH) et grêle/pluie (HR), la grêle (HL), et la pluie de différentes intensités (LR,MR,HR).

14 FOG – 1D simulation – Temporal evolution on 18h from 18TU
rc rc Without cloud droplet sedimentation With cloud droplet sedimentation g/kg g/kg 18h 21h 00h 03h 06h 09h 12h 18h 21h 00h 03h 06h 09h 12h rc With cloud droplet sedimentation but a coarser vertical resolution g/kg Rémi, S., 2006 18h 21h 00h 03h 06h 09h 12h

15 Simulation of cyclone : case of Dina
7800 km, Dx=36km 1944 km , Dx=12km 720 km , Dx=4km 3600 km Automatic method of Initialization : Filtering/Bogussing Barbary et al.

16 Vertical cross-sections at Dx=4km
S-N W-E K K m/s m/s Horizontal wind Barbary et al.

17 Local effects : Sea breeze
Δ = 250 m 2m Temperature 26 June 2001, 1400 UTC Urban network Model Lemonsu et al., 2005a

18 Local effects : Sea breeze
Horizontal wind field 26 June 2001, 1400 UTC VAL OBS CNRS m s-1 Puget Massif Marseilleveyre City centre z = 50 m AGL West SSB South SSB z = 400 m AGL VAL OBS City centre Puget Massif CNRS South-East DSB Marseilleveyre Lemonsu et al., 2005a

19 Comparison with transportable wind lidar (TWL)
500 400 300 200 100 50 ZS (m) Marseilleveyre 190o Puget Massif CNRS (Radar) 3 km VAL (Lidar) OBS (Radar) Etoile Massif Comparison with transportable wind lidar (TWL) 26 June 2001, 1400 UTC 6 m s-1 4 2 -2 -4 -6 2.5 TWL Model D D 2.0 C C 1.5 Altitude (km) 1.0 B B 0.5 A City center City center A VDOL VDOL 2 4 6 2 4 6 Distance (km) Distance (km) Lemonsu et al., 2005a

20 The Large Eddy Simulations with Meso-NH : Large eddys are resolved : TKEresolved >> TKE Subgrid

21 Impact of the pollution on the stratocumulus diurnal cycle = Aerosol indirect effect
0.7g/kg rc(g/kg) Simulation LES 50m Nuage non pollué Dx=Dy= 50m, Dz=10m T=36h 0TU 6 12 18 24 30 36 LWP (g/m²) Polluted : non precipitating Pristine : precipitating Evaporation of precipitation  Cooling  Limits the stratification at cloud base and the decoupling No precipitation  No Cooling  Maximum solar warming  decoupling FIRE 1 case of EUROCS : Forcing terms : a LS subsidence + cooling (dql/dt<0) and moistening (dqt/dt>0) under the inversion to balance the subsidence During the day, the thinning is not sufficient to break up the cloud. Sandu, I., 2007

22 Universitat de les Illes Balears
AN OBSERVED LLJ DURING THE SABLES98 CAMPAIGN Objective: study the mixing processes across the maximum of the wind of an observed Low-Level Jet (LLJ) using LES x = 6 m, y = 4 m, z = 2m (0 <z<100 m) and stretched above (z = 5 m at about 400 m) 100m tower Duero river basin Night: September 1998 M.A. Jiménez Universitat de les Illes Balears

23 Universitat de les Illes Balears
Results (I): Mean profiles The maximum of the wind and the height are well captured The LLJ height coincides with the inversion height The surface temperature obtained from the LES cools down much more than the observations M.A. Jiménez Universitat de les Illes Balears

24 Results (II): Turbulence
There is a maximum of turbulence above the Jet, mainly resolved. The layer below the jet is decoupled from the layer above In the surface layer, the LES presents more mixing than the observations Shear and buoyancy are the most important contributions to create and dissipate turbulence, respectively Total Subgrid

25 Water vapor variability in convective BL :
Water vapor variability in convective BL : presence of dry tongues - Couvreux et al. (2005) Lidar observations LES simulation at 12h LES Simulations 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10. 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10. 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10. 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10. g/kg g/kg rv’ qv’ P3 aircraft at 0.5zi KA aircraft S(qv)<0 . . max (pdf) _ min (pdf) LES Dx=Dy= 100m, Dz<50m, Dt=7h

26 Atmospheric Chemistry

27 Meso-NH-Chemistry: Modelling of atmospheric chemistry
from local (dx=1 km) to synoptic scale (dx=50 km) large-scale: MOCAGE, ECMWF, ...

28 OZONE le 25 Juin 2001 9 UTC 15 UTC Cousin et Tulet, 2004 9km 3km 85ppb
Parc Naturel Verdon Marseille 85ppb Marseille Parc Naturel Verdon >90ppb 15 UTC Cousin et Tulet, 2004

29 Desertic dusts – formations, life cycle and radiative effect
Absorption/ diffusion of solar radiation Aérosols scavenging Emission u* Saltation turbulence This scheme represent the desertic dust life cycle. If we are on surface whithout vegetation, and if wind velocity is enough and soil dry; particles of sand impact and breack clay aggregates to produce smaller particles able to be transported in the atmosphere. This phenomenom named saltation emitted dust particles in the atmosphere, that could absorb a fraction of solar radiation; heating the atmosphere and cooling the surface. To model the dust life cycle we also need to put sinks which are sedimentation and scavenging. Surface cooling Soil (sand/clay) surface Surface soil water percolation Deep soil

30 Desertic dusts Grini and Tulet, 2006

31 New couplings : - CO2 : coupling with SURFEX - Hydrology : coupling with SURFEX - Electricity : direct coupling with Meso-NH - Pollutant dispersion : direct coupling with Meso-NH - Duct mapping

32 Atmospheric CO2 modelling
Online coupling with the surface scheme ISBA-A-gs :  CO2 surface fluxes : - assimilation (<0) CO2 absorption by vegetation (DAY) - respiration (>0) CO2 emissions from ecosyst. depends on temperature (NIGHT) - anthropogenic emissions (>0) and ocean fluxes (<0 in our latitude)  Feedback : CO2 concentrations variations from the atmosphere to the surface Meso-NH Surface Meteorological Model LE, H, Rn, W, Ts… ISBA-A-gs CO2 Fluxes Atmospheric [CO2] concentrations Anthropogenic Sea Noilhan et al. 89, 96, Calvet et al., 98 Lafore et al., 98

33 Atmospheric CO2 modelling : May – 27 2005 Boundary layer heterogeneity
Zi = 900m Agricultural area : low sensible heat flux Zi = 1600m Forest : high sensible heat flux CO2 concentrations (ppm) may-27 14HUTC Forest : high respiration Winter crops absorbs a large amount of CO2creates a CO2 depletion Sarrat et al.(2006)

34 Atmospheric CO2 modelling May – 27 2005 : comparisons obs/simu
Simulated vertical cross section of CO2 Ocean - Marmande Agricultural area Forest area Vertical cross section of observed CO2 by aircraft ocean forest cropland forest cropland Winter crops  Assimilation Forêt  Respiration Sarrat et al., 2006

35 HYDROLOGY : Development of the coupling Meso-NH-ISBA-TOPMODEL
CNRM/GMME/MICADO Crues des 5-9 septembre 2005 Débits simulés à St Martin d’Ardèche (~ 2500km2) TOPMODEL (Beven and Kirkby, 1979) distributed hydrologic model with one model by basin : 9 basins ( km²) Objectives : - Flow and rapide flood forecasts - Retroaction of the hydrology on the atmosphere - Available for AROME

36 Lightning parameterization
Explicite electrical scheme in Meso-NH Local separation of charges + - Transfert and transport of charges Microphysical and dynamical processes Electric field no E > Etrig yes Lightning parameterization Bidirectional leader (determinist) Vertical extension of the lightning Channel steps (probabiliste) Horizontal extension of the lightning Charge neutralization Barthe et al. [2005]

37 Life cycle of electrical charges in a convective cell
Simulation Méso-NH Apparition of graupel Electrization of the cloud Apparition of electric field lightning Triggering of convection Barthe et Pinty, JGR

38 Industrial accidental release : AZF
30km, Dx=500m 10%=97mg/m3 Max_obs=60mg/m3 Couche résiduelle : flux de S Couche de mélange : flux de SE Max=10% de concentration initiale 30km, Dx=500m The heaviest particles have settled : strong dry deposition on Blagnac

39 PERLE (Programme d’Evaluation des Rejets Locaux d’Effluents)
Modelling system for environmental emergency PERLE (Programme d’Evaluation des Rejets Locaux d’Effluents) Meso-NH 2 grids (Regional Dx=8km, L=240km/ Local Dx=2km, L=60km) 36 levels until 16km ALADIN initialization and coupling Meso-scale meteorology SPRAY Lagrangian particle model At least particles released Advection+Turbulence+random Applied to the 2 Meso-NH grids Dispersion

40

41 Problématique des conduits de propagation électromagnétique
Problématique de détection radar offensive et défensive à bord de navires (dont porte-avion)  connaissance des niveaux de vols hors de portée des RADARS, connaissance des portées RADAR Co-indice de réfraction modifié M permet d’appréhender les différents mode de propagation de l’atmosphère. Il dépend essentiellement de l’humidité et de la température. Co-indice de réfraction modifié M Altitude Conduit de propagation Faisceau radar Propagation normale

42 Co-indice de réfraction
N=(77.6/T).(P+4810.e/T)-6.e/T Sommet du conduit de propagation = Altitude de l’inversion de M co-indice de réfraction Réfraction vers le bas Réfraction normale OG dans le sillage des îles au sommet du conduit Pourret, V., 2006 : PEA PREDEM

43 Climatologie . Régionalisation climatique

44 Wind climatology over the North Alps
Measurements Méso-NH 95 dates Roses Aladin 3 ans Wind climatology over the North Alps

45 OBS HYERES MESO-NH 80% ALADIN 76%

46 CYPRIM : Régionalisation climatique des pluies intenses avec le modèle Meso-NH . A.-L. Beaulant
Simulations ARPEGE Climat / OPAMED 8 (climat présent climat futur ) ARPEGE Climat / OPAMED8 : modèle couplé océan-atmosphère, rés. horizontale : ~50 km méthode d’identification des cas extrêmes pour sélectionner des situations représentatives Climat présent : 51 cas Climat futur : 52 cas Le modèle utilisé est le modèle arpege climat couplé à un modèle « océanique » opamed de résolution horizontale 10 km et les simulations suivent le scénario climatique A2 du GIEC. Ces sorties du modèle climatique vont servir de base aux simulations réalisées avec un modèle à haute résolution non-hydrostatique, le modèle Méso-nh. CL 1 CL 4 CL 1 CL 4 Sélection des cas les plus proches distance de corrélation spatiale Climat présent : 10 cas Climat futur : 10 cas CL 1 CL 4 CL 1 CL 4

47 Simulations avec Meso-nh
Configuration en 2 domaines emboités (2-way grid-nesting) Domaine 1 de résolution horizontale ~ 10 km Domaine 2 de résolution horizontale ~ 2.5 km (centré sur l’évènement convectif) Domaine 1 : Rh ~ 10 km La convection est paramétrée pour le domaine à 10 km (paramétrisation de Kain et Fritsch) tandis qu’elle est résolue explicitement pour le domaine à 2.5 km. Rh ~ 50 km ARPEGE Climat / OPAMED8 Domaine 2 : Rh ~ 2.5 km Le modèle méso-nh est utilisé ici dans une configuration de 2 modèles emboités. Le premier modèle a une résolution identique à celle du modèle climatique arpege climat d’environ 10 km et le second modèle utilise une maille plus fine de 2.5 km environ. Le modèle est utilisé en 2way grid-nesting i.e …. Les conditions initiales et les conditions aux limites sont fournies par les sorties du modèle de climat. Le domaine utilisé couvre les régions du sud de l afrance touchées par les phénomènes de pluies intenses comme les cévennes ou le roussillon. Les conditions initiales et aux limites sont fournies par les champs du modèle ARPEGE Climat / OPAMED8 (toutes les 6 heures) Les simulations débutent à 12 UTC le jour J-1 et se terminent à 06 UTC le jour suivant J+1 (42 h) ~ km MESO-NH

48 Cumuls de pluies sur les 24 1ères heures pour les 10 cas du climat futur
t0 à t UTC J-1 à 12 UTC J 431 mm 185 mm 260 mm 298 mm 460 mm 378 mm 16 mm 137 mm 291 mm 291 mm mm

49 Diagnostics

50 Amélioration des enclumes (cirrus) sur le seuil d’auto-conversion
Chaboureau and Pinty (2005) : Use of radiative transfer RTTOV to MSG Dx=30 km Amélioration des enclumes (cirrus) sur le seuil d’auto-conversion

51 Simulation de réflectivités radar
Réflectivités observées Réflectivités simulées avec Méso-NH (radar de Bollène le 8 sep à 21 UTC, élévation=1,2°) « Développement communautaire d’un opérateur-simulateur d’observation radar » (Caumont O., V. Ducrocq, G. Delrieu, M. Gosset, J. Parent du Châtelet, J.-P. Pinty, H. Andrieu, Y. Lemaître et G. Scialom, 2006 : A radar simulator for high-resolution nonhydrostatic models. J. Atmos. Oceanic Technol.)