Actes - Climato.be

25 ème Colloque de l’Association Internationale de Climatologie, Grenoble 2012Tibet. Dans les contreforts sud de l’Himalaya, ces cumuls peuvent atteindre 100 mm.mois -1 .Cependant, ils apparaissent très variables spatialement à cause de la topographie complexe decette région. L’utilisation du modèle régional MAR s’avère très utile pour décrire lavariabilité spatiale des précipitations dans cette région par rapport aux réanalyses ERA-INTERIM dont la résolution est relativement grossière. En revanche, une grande part desbiais relevés dans les réanalyses se retrouve dans les simulations régionales. Celles-ci sont eneffet fortement dépendantes des profils d’humidité fournis par les réanalyses aux limiteslatérales. Les précipitations stratiformes simulées avec MAR reproduisent ainsi une part desbiais caractéristiques des réanalyses. Des simulations régionales réalisées sur des domainesplus étendus permettraient probablement de minimiser cette dépendance et de diminuer lesbiais dans une simulation régionale. En revanche, la description détaillée des processusconvectifs dans MAR permet d’éviter un biais positif significatif relevé dans les réanalysesdans l’est de l’Inde. Par ailleurs, grâce à son modèle de neige élaboré, le modèle MAR permetde simuler une étendue du manteau neigeux comparable à celle observée par satellite.Remerciements : Ce travail a bénéficié d'une aide de l'Agence Nationale de la Rechercheportant la référence ANR-09-CEP-005-02/PAPRIKA. Les simulations ont été réalisées sur feule calculateur BRODIE de l’IDRIS/CNRS. Nous remercions le “NASA Land ProcessesDistributed Active Archive Center” (LP DAAC, ASTER L1B, USGS/EROS) Center, SiouxFalls, South Dakota) pour la mise à disposition des images satellites MODIS.Références bibliographiquesBookhagen B. et D. W. Burbank, 2010 : Toward a complete Himalayan hydrological budget: Spatiotemporaldistribution of snowmelt and rainfall and their impact on river discharge. J. Geophys. Res., 115, F03019.Brasnett B., 1999 : A Global Analysis of Snow Depth for Numerical Weather Prediction. J. Appl. Meteorol., 38,726-740.Brown R. et Brasnett B. 2010 : Canadian Meteorological Centre (CMC) Daily Snow Depth Analysis Data. ©Environment Canada, 2010. Boulder, Colorado USA: National Snow and Ice Data Center. Digital media.Brun E., E. Martin V. Simon C. Gendre and C. Coleou, 1989 : An energy and mass model of snow cover suitablefor operational avalanche forecasting, J.Glaciol., 35 (121), 333-342.Cui X., Langmann B. and Graf H.-F, 2007 : Summer monsoonal rainfall simulation on the Tibetan Plateau witha regional climate model using a one-way double-nesting system. Sc. Onl. Let on the Atmosph., 3, 49-52.Dee D. et al., 2011: The ERA-Interim reanalysis: configuration and performance of the data assimilation system.Q. J. R. Meteorol. Soc., 137, 553-597.Gallée H., P. G. Duynkerke, 1997 : Air-snow interactions and the surface energy and mass balance over themelting zone of west Greenland during the Greenland Ice Margin Experiment. J. Geophys. Res., 102(D12), 13,813-13,824.Gallée H., and G. Schayes, 1994 : Development of a Three-Dimensional Meso-gamma Primitive EquationsModel, Katabatic Winds Simulation in the area of Terra Nova Bay, Antarctica. Mon. Wea. Rev., 122, 671-685.Lau N.-C. and Ploshay J. J., 2009 : Simulation of synoptic- and subsynoptic-scale phenomena associated withthe East Asian summer monsoon using a high-resolution GCM. Mon. Wea. Rev., vol. 137, no. 1, 137-160.Polanski S., Rinke A., Dethloff K., 2010 : Validation of the HIRHAM-Simulated Indian Summer MonsoonCirculation. Adv. Meteorol., 14 pp., doi:10.1155/2010/415632.Yatagai A. et al., 2009 : A 44-year daily gridded precipitation dataset for Asia based on a dense network of raingauges. SOLA, 5, 137-140.528