1 / 22

VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC

Université du Québec à Montréal. VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC. Alejandro Di Luca Directeur: René Laprise Co-directeur: Ramón de Elía. 29 Août 2008. Plan de la présentation. MRC vs MCG D’où peut venir la valeur ajoutée (VA)?

lave
Download Presentation

VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Université du Québec à Montréal VALEUR AJOUTÉE DANS LE MRCC: COMPARAISON DE LA PRÉCIPITATION AUX ÉCHELLES DU MGC Alejandro Di Luca Directeur: René Laprise Co-directeur: Ramón de Elía 29 Août 2008

  2. Plan de la présentation • MRC vs MCG • D’où peut venir la valeur ajoutée (VA)? • VA comme fonction des échelles spatiales • Comparaison de la précipitation aux échelles du MGC: modèles vs observations. • MRC Canadien vs MCG Canadien • Cycle annuel • Histogrammes quotidiennes • Evénements les plus extrêmes • Discussion des résultats. • Incertitudes de l’étude.

  3. MRC vs MGC: D’où peut venir la valeur ajoutée? • MRC à plus haute résolution • Discrétisation plus exact d'équations  Avantage • Meilleure représentation des forçages de surface  • Topographie, régions côtières, effets de lacs et autres Avantage • Mais, ils résout un domaine limité  Désavantage • Erreurs dans conditions latérales au frontière (Diaconescu et al. 2007) • Technique de pilotage utilisée peut introduire des erreurs

  4. Modèle Global Échelles d’intérêt    Modèle Régional 1 2 3 Longueur d’onde Adapté de Laprise (2003) Hypothèse: la région3comprend des échelles spatiales qui sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC (Laprise (2003), Feser (2006)). OBJECTIF général: étudier la valeur ajoutée dans des simulations du MRC pour des statistiques quotidiennes de précipitation dans la région3

  5. Climat observé Climat MRC Statistique climatique Climat MGC VALEUR AJOUTÉE Approche objectif général: comparaison aux échelles du MGC Climat du MGC : CGCM3.1 Type: spectral Res Hor..: T47 (approx. 3.75° lat-lon)

  6. Climat observé Climat MRC Statistique climatique Climat MGC VALEUR AJOUTÉE Approche objectif général: comparaison aux échelles du MGC Climat du MGC : CGCM3.1 Climat du MRC versionMRC_V4.2.0 Type du modèle: point de grille Res. Hor.: 45 km at 60° Domaine: 201 x 193 (AMNO) Pilotée parCGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec pilotage spectral

  7. Climat observé Climat MRC Statistique climatique Climat MGC VALEUR AJOUTÉE Approche objectif général: comparaison aux échelles du MGC Climat du MGC : CGCM3.1 Climat du MRC versionMRC_V4.2.0 Pilotée parCGCM3.1 v2 / Réanalyses NCEP/NCAR, les deux avec lsn Climat Observé : stations d’Environnement Canada. • Approche à utiliser: étudier des séries temporelles moyennées spatialement sur des régions incluants • 1 point de grille du MGC • 4 points de grille du MGC

  8. Variable Précipitation Forçage de surface: 5 régions différentes au Canada 5 4 1 3 2 Approche pour les autres forçages 1 point de grille du MGC 4 points de grille du MGC

  9. Variable Précipitation Forçage de surface 5 régions différentes Statistiques climatiques (1971 - 1990) Moyennes mensuelles  Etudier le cycle annuel Distributions de fréquence d’intensité Événements plus extrêmes Circulation atmosphérique Différentes saisons (DJF, MAM, JJA, SON) Approche pour les autres forçages

  10. REGION 1 OBS MGCC MRCC (pilote: CGCM) MRCC (pilote: NCEP) MOYENNE MENSUELLE DE PRÉCIPITATION REGION 2 REGION 4 REGION 5

  11. OBS MGCC MRCC (pilote: CGCM) MRCC (pilote: NCEP) HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES • HIVER (DJF) - REGION 1 Fréquence (%) Seuil (mm/jour)

  12. REGION 2 REGION 3 REGION 5 REGION 4 HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES • HIVER (DJF) Fréquence (%) 12 Seuil (mm/jour)

  13. HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES • ÉTÉ (JJA) - REGION 1 Fréquence (%) Seuil (mm/jour)

  14. HISTOGRAMMES DE PRÉCIPITATION - DONNÉES JOURNALIERES • ÉTÉ (JJA) REGION 2 REGION 3 Fréquence (%) REGION 4 REGION 5 14 Seuil (mm/jour)

  15. ACCORD ENTRE DONNÉES SIMULÉES ET OBSERVÉES • S: Mesure le degré de chevauchement entre deux histogrammes S = 1pour deux histogrammes égales • HIVER (DJF) • ÉTÉ (JJA) Région Région

  16. REPRESENTATION DES JOUR SECS Jours secs: événements avec un taux de précipitation < 1 mm/jour • HIVER (DJF) • ÉTÉ (JJA) Région Région

  17. PERCENTILE 95 % • Evaluation des événements les plus intenses. • 5% de données journalières sont plus grandes que le percentile 95% • HIVER (DJF) • ÉTÉ (JJA) 40 30 20 Taux de précipitation (mm/jour) 10 0 1 2 3 4 5 1 2 3 4 5 Région Région

  18. RÉSUMÉ DES RESULTATS • En général, les deux modèles (MRCC et MGCC) montrent des performances semblables pour simuler : • Cycle annuel (moyennes mensuelles) • Histogrammes de précipitation en hiver • En été, histogrammes caractérisés par • Sous-estimation d'occurrence "de jours secs" • Surestimation d'occurrence de précipitation faible • Sous-estimation d'occurrence d’intense précipitation • Presque indépendamment de la région, ce schéma de déviations est plus prononcé dans le MRCC Rien ne prouve qu’il existe de la valeur ajoutée dans les simulation du MRCC

  19. DISCUSSION • Pourquoi pourrait-on attendre l’existence de valeur ajoutée dans les échelles étudiées? Hypothèse: La région3comprend des échelles spatiales qui sont représentées par les deux modèles mais qui sont pauvrement résolues par le MGC • Sûrement valide dans le cas des variables instantanées (Pielke (1991), Laprise (1992), Walters (2000)). • Et pour des variables moyennées temporellement? • Dans notre étude, les résultats du MGCC dans des différents domaines (1 et 4 points de grille) semblent montrer des performances similaires • L’hypothèse ne semble pas être appropriée

  20. DISCUSSION • Revers de l’approche utilisée • La performance relative des statistiques simulées par les deux modèles est déterminée en comparant les valeurs simulées avec les observées. • Mais un modèle peut produire des « bons » résultats pour les mauvaises raisons. • Exemple, résultats du MRCC piloté par le MGCC et par les réanalyses • Comment est-t-il donc possible d'obtenir de "meilleurs" résultats en utilisant des données de pilotage d’une qualité inférieure? • Les erreurs dans les CFL doivent nécessairement être compensées par le MRCC.

  21. Références INTRODUCTION • Denis, B., J. Côté and R. Laprise, 2002a: Spectral Decomposition of Two-Dimensional Atmospheric Fields on Limited-Area Domains Using the Discrete Cosine Transform (DCT). Mon. Wea. Rev., 130, 1812-1829. • Diaconescu, E. P., R. Laprise and L. Sushama, 2007: The impact of lateral boundary data errors on the simulated climate of a nested Regional Climate Model. Clim. Dyn. 28(4), 333-350. • Laprise, R., 2003: Resolved scales and nonlinear interactions in limited-area models. J. Atmos. Sci., 60(5), 768-779. METHODOLOGIE • Durman, C. F., J. M. Gregory, D. C. Hassell, R. G. Jones et J. M. Murphy. "A comparison of extreme European daily precipitation simulated by a global and a regional climate model for present and future climates. Q. J. R. Meteorol.Soc., 127, 1005-1015, 2001.  • Feser, F., 2006: Enhanced Detectability of Added Value in Limited-Area Model Results Separated into Different Spatial Scales. Mon. Wea. Rev., 134, 2180–2190.

  22. Gutowski, W. J., S. G. Decker, R. A. Donavon, Z. Pan, R. W. Arritt and E. S. Takle, 2003: Temporal-spatial scales of observed and simulated precipitation in central U.S. climate. J. Climate, 16, 3841-3847. • Laprise, R., R. Jones, B. Kirtman, H. von Storch and W. Wergen, 2002: Atmospheric regional climate models (RCMs): A multiple purpose tool? Report of the « Joint WGNE/WGCM ad hoc Panel on Regional Climate Modelling », 19 pp. • RESULTATS • Kunkel, K.E., K. Andsager, X.Z. Liang, R.W. Arritt, E.S. Takle, W.J. Gutowski, and Z. Pan, 2002: Observations and Regional Climate Model Simulations of Heavy Precipitation Events and Seasonal Anomalies: A Comparison. J. Hydrom., 3, 322–334. • Oreskes N., K. S. Shrader-Frechette and K. Belitz, 1994: Verification, Validation, and Confirmation of Numerical Models in the Earth Sciences. Science, 263, 641–646. • Paquin D., D. Caya and R. Laprise, 2002: Treatment of moist convection in the Canadian Regional Climate Model. Ouranos, Équipe Simulations climatiques. Rapport interne no 1, 30 p. Merci d’être venu

More Related