mémoire - Centre National de Recherches Météorologiques

More documents

Recommendations

Info

46 C’est en utilisant cette technique originale, inspirée des simulations de type AMIP, que j’ai commencé à m’intéresser moi aussi à l’influence de l’HS sur la variabilité et la prévisibilité climatique à l’échelle saisonnière. La climatologie mensuelle GSWP-1 obtenue avec ISBA en mode forcé m’offrait en effet la possibilité de tester pour la première fois l'impact d'une relaxation globale du modèle Arpège- Climat vers des humidités relativement réalistes. Des ensembles de simulations atmosphériques allant de Mars à Septembre ont été réalisés pour les deux années 1987 et 1988, puis comparés à des expériences de contrôle dans lesquelles l’humidité du sol évolue librement. J’ai alors pu montrer que le rappel vers la climatologie GSWP permet au modèle Arpège de mieux reproduire la variabilité interannuelle (Douville et Chauvin 2000). Aux moyennes latitudes de l’hémisphère Nord, les anomalies d’HS semblent aussi importantes que les anomalies de TSM pour expliquer la variabilité du géopotentiel à 500 hPa (Fig. 3.3). Ce résultat doit néanmoins être considéré prudemment car il s’agit d’une étude particulière (deux années, un seul modèle), que la taille des ensembles réalisés (6 membres) est tout juste suffisante pour détecter les signaux liés à l’HS dans la moyenne troposphère (même si la variabilité interne de l’atmosphère est aux moyennes latitudes plus faible en été qu’en hiver), et que les conditions aux limites d’HS sont ici parfaitement anticipées (alors qu’elles doivent être prévues dans un système de prévision saisonnière). Des tests complémentaires portant sur l’initialisation du réservoir continental ont suggéré que les anomalies d’HS observées à la fin du mois de Mai ne sont pas suffisamment persistantes et/ou prévisibles pour avoir un impact significatif à l’échelle saisonnière. Enfin, l'influence de l’HS sur les climats de mousson (Afrique et Asie) a fait l'objet de simulations supplémentaires (relaxation régionale plutôt que globale), montrant une interaction possible entre la mousson Africaine et les ondes stationnaires des moyennes latitudes (Douville 2002). Dans le cadre du projet européen PROMISE, j’ai poursuivi ces travaux préliminaires en réalisant de nouvelles expériences de prévision saisonnière (Juin à Septembre) sur 15 ans (1979- 1993). La climatologie GSWP-1 étant limitée aux années 1987 et 1988, je suis revenu à des expériences idéalisées consistant simplement à supprimer la variabilité inter-annuelle de l’HS dans les conditions aux limites et/ou les conditions initiales. L’initialisation des variables continentales et atmosphériques est effectuée à partir des anciennes réanalyses (ERA15) du CEPMMT. Les principaux résultats de l’étude indiquent que l’HS contribue significativement à la variabilité climatique interannuelle dans de nombreuses régions du globe (Douville 2003a). L'influence sur la prévisibilité potentielle (approche de type « modèle parfait ») à l'échelle saisonnière, étudiée par le biais d'une analyse de variance, est moins claire et moins systématique. Selon la région considérée, la prévisibilité se trouve renforcée ou au contraire inhibée. Dans l’expérience de contrôle (eau du sol interactive), l’HS peut représenter une source de variabilité selon deux mécanismes principaux, soit en amplifiant le signal climatique lié aux TSM (effet indirect), soit en exerçant une influence directe sur l’atmosphère via la persistance d’anomalies présentes dans les conditions initiales. C’est ce second effet qui semble dominer la réponse obtenue dans les régions (essentiellement Amérique du Nord) où la variabilité de l’HS contribue effectivement au renforcement de la prévisibilité potentielle (Douville 2003b). Finalement, dans le cadre du projet européen ENSEMBLES, je suis revenu à des expériences relaxées vers une climatologie « réaliste » en tirant parti de la phase 2 du projet GSWP (Conil et al. 2007). La période de 10 ans (1986-1995) couverte par GSWP-2 est encore trop courte pour permettre une évaluation précise de la contribution de l’HS à la variabilité et la prévisibilité climatiques. Toutefois, les résultats obtenus ont permis de conforter les conclusions des études antérieures. D’une part, une analyse de variance a mis en évidence la faiblesse de l’influence des TSM sur la variabilité atmosphérique des moyennes et hautes latitudes de l’hémisphère Nord en été, saison à laquelle l’HS semble pouvoir assurer le relais pour maintenir un minimum de prévisibilité potentielle. D’autre part, la comparaison aux observations suggère que cette prévisibilité potentielle peut se concrétiser par une meilleure simulation de la variabilité observée, sur l’Amérique du Nord ou l’Europe, notamment lorsque les anomalies d’HS sont particulièrement fortes et homogènes à l’échelle continentale. Les expériences complémentaires réalisées en jouant uniquement sur les conditions initiales montrent une nouvelle fois que les anomalies ne sont pas suffisamment persistantes pour représenter une source importante de prévisibilité au delà de quelques semaines (Conil et al. 2008). Un effet résiduel apparaît néanmoins sur l’Amérique du Nord, par exemple lorsqu’on contraste les années 1988 et 1993 (cf. Fig. 3.4).
47 Fig. 3.4: Différences observées (climatologie du CRU) et simulées (moyennes d’ensemble) des températures à 2m (K, en haut) et des précipitations (mm/j, en bas) entre les étés 1988 et 1993. Trois ensembles de simulations sur la période 1986-1995 sont comparés : une expériences de contrôle avec TSM observées et HS interactive (FFX), idem FFX mais en prescrivant les HS mensuelles GSWP-2 dans les conditions aux limites (GGX), idem GGX mais en supprimant le contrôle de l’eau du sol à la fin du mois de Mai (GFX), ce qui revient à étudier l’impact de l’initialisation de l’HS par comparaison à FFX. R représente le coefficient de corrélation entre les différences simulées et observées. Les valeurs indiquent un renforcement de la corrélation lorsque l’HS est initialisée à partir de la climatologie GSWP-2. Curieusement, l’effet est moins net lorsque l’HS est prescrite tout au long de l’été, ce qui suggère que les corrélations ne sont pas très robustes ou que la rétroaction continentale contribue directement à la prévisibilité des anomalies observées. Dans une expérience similaire à GGX mais forcée par des TSM climatologiques, les valeurs de R sont respectivement de 0.85 et 0.62 pour la température et les précipitations, suggérant que l’effet des TSM observées dégrade la réponse du modèle Arpège-Climat sur l’Amérique du Nord (Conil et al. 2007, 2008).
Page 1:
MEMOIRE POUR L’OBTENTION DU DIPLO
Page 6:
Préambule et remerciements 1. Intr
Page 9 and 10: Préambule Lorsqu’en septembre 19
Page 11: Remerciements Je veux d’abord exp
Page 15 and 16: 1 Chapitre 1 Introduction En dépit
Page 18 and 19: 4 « J’aperçois un péril plus g
Page 20 and 21: 6 Fig. 2.1: Schématisation du cycl
Page 22 and 23: 8 comme étant proportionnel à la
Page 24 and 25: 10 2.1.3. Description du sol et de
Page 26 and 27: 12 2.2. Ma contribution au modèle
Page 28 and 29: 14 Fig. 2.3: Les principales source
Page 30 and 31: 16 de la maille. Elle a été calib
Page 32 and 33: 18 où Din est la somme du ruissell
Page 34 and 35: 20 Concernant la neige, on dispose
Page 36 and 37: 22 également des modèles de neige
Page 38 and 39: 24 pas été testé lors du projet
Page 40 and 41: 26 Fig. 2.7: Distributions cumulée
Page 42 and 43: 28 dans les modèles météorologiq
Page 44 and 45: 30 Fig. 2.9: Anomalies mensuelles d
Page 46 and 47: 32 La thèse de B. Decharme fut ég
Page 48 and 49: 34 « L’homme s’instruit sans c
Page 50 and 51: 36 provoqués par la perturbation d
Page 52 and 53: 38 suscite parfois la nature observ
Page 54 and 55: 40 disparition du manteau neigeux.
Page 56 and 57: 3.2.1. Neige 42 L’influence de la
Page 58 and 59: 44 de travaux distincts. Si l’inf
Page 62 and 63: 48 De tels résultats sont conforme
Page 64 and 65: 50 3.3. Influence sur les scénario
Page 66 and 67: 52 Ainsi, la réduction globale de
Page 68 and 69: 54 simulations couplées océan-atm
Page 70 and 71: 3.3.3. Végétation 56 A l’échel
Page 72 and 73: 58 Une autre limite inhérente à c
Page 74 and 75: 60 ou plusieurs simulations couplé
Page 76: 62 notamment pour la paramétrisati
Page 79 and 80: 65 Chapitre 4 Dérive climatique de
Page 81 and 82: 67 Fig. 4.1 : Moyenne zonale de la
Page 83 and 84: 69 Fig. 4.2: Impact sur le rayonnem
Page 85 and 86: 4.2. Continents et prévision saiso
Page 87 and 88: 73 Ces travaux fondateurs ont néan
Page 89 and 90: 75 L’idée n’est cependant pas
Page 91 and 92: 77 Fig. 4.4: Scénario proposé pou
Page 93 and 94: 79 cependant s’attendre à un eff
Page 95 and 96: 81 TSM dans les conditions aux limi
Page 97 and 98: 83 Il faut noter par ailleurs que l
Page 99 and 100: 85 Fig. 4.9: En haut : Composites (
Page 101 and 102: 87 Concernant les scénarios climat
Page 103 and 104: 89 Chapitre 5 Conclusions Nous arri
Page 105 and 106: 91 suggèrent que les impacts des a
Page 107 and 108: 93 par A-L. Gibelin et A. Voldoire
Page 109 and 110: 95 préliminaires sur les limites d
Page 111 and 112:
Biasutti M., Giannini A. (2006) Rob
Page 113 and 114:
Decharme B. (2005) Développement e
Page 115 and 116:
Ducoudré N., Laval K., Perrier A.
Page 117 and 118:
Hoerling M., Hurell J., Eisheid J.,
Page 119 and 120:
Manabe S. (1975) A study of the int
Page 121 and 122:
Royer J-F., Déqué M., Pestiaux P.
Page 123 and 124:
Yeh P.J-F., Swenson S.C., Famigliet
Page 125 and 126:
2006 Jury de thèse de Frédéric F
Page 127 and 128:
32. Douville H. (2006) Impact of re
Page 129 and 130:
Houser P., M.F. Hutchinson, P. Vite
Page 131 and 132:
certains problèmes (dérive, rétr
show all

mémoire - Centre National de Recherches Météorologiques

Create successful ePaper yourself

Delete template?

Save as template?