Pr

1
UQÀM Université du Québec à Montréal
Étude de la variabilité interne du Modèle
Régional Canadien de Climat à l'échelle
saisonnière
Adelina ALEXANDRU Ramon de ELIA René LAPRISE
2
Motivation

• À cause de la présence de non-linéarités dans
  les processus atmosphériques, les modèles de
  circulation générale de latmosphère (MCG) sont
  sensibles aux conditions initiales (CI).
• les MCG peuvent générer plusieurs solutions de
  la circulation atmosphérique si un petit
  changement affecte les CI du modèle (variabilité
  interne du MCG).
• La variabilité interne à été aussi détectée dans
  les Modèles Régionaux de Climat (MRC).

Time
Quatre simulations du MCG avec une petite
différence dans leurs conditions initiales.

Modèle régional de climat (MRC)
3
Motivation
25 juillet, 1993
1 Sept. 1993 000 UTC
16 Mai 1993 17 Mai 1993 18 Mai 1993 19 Mai
1993 20 Mai 1993
La hauteur du géopotentiel à 850-hPa
L 159
L
5 simulations identiques avec un délai de 24
heures dans leurs conditions initiales.
4
Méthodologie Ensemble de 20
simulations

• Domaine Lest de lAmerique du Nord et une
• partie de locéan Atlantique
• 18 niveaux
• la physique du MCGii
• Pas de temps 15 min
• Résolution 45 km
• Taille du domaine 140?140 120?120
  110?110
• 100?100 80?80 (points
  de grille P-S)
• Piloté par les ré-analyses NCEP

Domaine et topographie utilisés pour lensemble
des simulations
1 Sept. 1993 00 UTC
1 Juin 1993 00 UTC
1 Mai 1993
2 Mai 1993
3 Mai 1993
4 Mai 1993

20 Mai 1993 00 UTC
5

• Lécart-type entre les simulations

• La moyenne temporelle de lécart-type entre
• les simulations

M le nombre de simulations (M20) Xm(t) la
valeur du champs simulé au temps t
(m1.20) ltXgt(t) la moyenne de
lensemble NTpas de temps
1 Sept. 1993 00 UTC
1 Juin 1993 00 UTC
1 Mai 1993
2 Mai 1993
3 Mai 1993
4 Mai 1993

20 Mai 1993 00 UTC
6
Lécart-type entre les moyennes saisonnières

• Lécart-type entre les simulations

110

• La moyenne temporelle de lécart-type entre
• les simulations

Xm la moyenne temporelle de la
simulation m ltXgt(t) la moyenne temporelle de
la moyenne de lensemble
M le nombre de simulations (M20) Xm(t) la
valeur du champs simulé au temps t
(m1.20) ltXgt(t) la moyenne de
lensemble NTpas de temps
20 moyennes saisonnières
1 Sept. 1993 00 UTC
1 Juin 1993 00 UTC
1
1 Mai 1993
moyenne saisonnière de chaque simulation
2
2 Mai 1993
3 Mai 1993
3
4 Mai 1993
4
..
20 Mai1993 00 UTC
20
7
Série temporelle
La hauteur du géopotentiel à 850-hPa (m)
Précipitation (mm/j)
8 6 4 2 0
8 6 4 2 0
1 June 30 June 31
July 31 Aug
1 June 30 June 31
July 31 Aug
mm/j
m
8

• Linfluence de la taille du domaine sur la
  variabilité interne du modèle.

140
140
120
110
120
100
110
100
80
80
Forte convection
9
m
Moyenne temporelle de lécart-type
140?140
La hauteur du géopotentiel à 850-hPa (m)
120?120
110?110
100?100
80?80
mm/j
?
Précipitation
140?140
120?120
110?110
100?100
80?80
10
20 Juillet, 000 UTC 1993
mm/j

• Précipitation La moyenne densemble (couleur)

• La hauteur du géopotentiel à 850-hPa La moyenne
  densemble (contour rouge)

120?120
100?100
110?110
11
Statistique saisonnière
mm/d
20 moyennes saisonnières
1 Sept. 1993 00 UTC
1 Juin 1993 00 UTC
1
1 Mai 1993
moyenne saisonnière de chaque simulation
2 Mai 1993
2
3 Mai 1993
3
4 Mai 1993
4
..
20 Mai 1993
20
Lécart-type entre les 20 moyennes saisonnières
140?140
120?120
110?110
100?100
80?80
12
Solutions bimodales - Domaine 140?140
0000 UTC
12 July 1993
0000 UTC
12 July 1993
13
Conclusion

• Un ensemble de 20 simulations qui diffèrent
  seulement dans leurs conditions initiales a été
  généré pour étudier la variabilité interne du
  Modèle Régional Canadien.
• La variabilité interne mesurée par lécart-type
  entre les simulations de lensemble dépend
  fortement des événements synoptiques.
• Dans les régions convectives (ex. le sud des
  États-Unis), de larges quantités de
  précipitations induisent des différences
  importantes entre les simulations.
• Une réduction de la taille du domaine minimise
  les degrés de liberté du modèle et a pour
  conséquence une diminution de la variabilité
  interne. Toutefois, cela peut induire des
  changements dans la distribution géographique et
  lamplitude du champs simulé et dans la
  variabilité interne du modèle.
• Lexistence des solutions bimodales et des cas
  extrêmes durant l'intégration du modèle dénote
  que le patron de la variabilité interne peut se
  comporter dune façon non-Gaussienne.

14
MERCI!
15
Solutions bimodales - Domaine 120?120
0000 UTC 2 0 July 1993