Evaluation des propriétés nuageuses simulées par lemodèles climatiques

Evaluation des propriétés nuageuses simulées par le modèles climatiques

Comparaison globale LMDZ / observations

. Albédo La contribution et l’influence des nuages sur le climat sont généralement caractérisées à partir des valeurs de flux au sommet de l’atmosphère. Une simulation correcte des flux au sommet de l’atmosphère est nécessaire pour que l’équilibre énergétique globale de la Terre soit bien reproduit dans les modèles climatiques et que l’influence des nuages sur l’équilibre énergétique moyen mensuel soit bien caractérisée. L’évaluation des nuages dans les modèles du climat a été majoritairement basée sur la télédétection passive, donc sur l’évaluation des flux au sommet de l’atmosphère [Zhang et al., 2005, Webb et al., 2001]. La Figure 5.1. montre l’albédo mesuré à partir des observations CERES-ES4, et simulé par les deux versions de LMDZ. A première vue le modèle reproduit la distribution générale de l’albédo, et donc du flux SW au sommet de l’atmosphère. LMDZ5 sous estime légèrement le forçage radiatif SW des nuages le long de l’ITCZ et dans la région de convection profonde de Pacifique Ouest. Au contraire, dans la partie Est des bassins océaniques et dans la région tropicale des alizés, le forçage radiatif SW des nuages est plus important dans LMDZ5 que dans les observations. Dans les hautes latitudes, le modèle surestime les valeurs hautes du forçage radiatif. La nouvelle version du modèle LMDZ5-NP (Figure 5.1.c) représente mieux le forçage radiatif SW des nuages de l’ITCZ et elle surestime même le forçage radiatif au dessus de la ‘warm pool’. Par contre elle surestime encore plus fortement l’albédo dans la partie Est des océans Pacifique et Atlantique. Dans le Pacifique Nord LMDZ5-NP surestime également l’albédo Figure 5.1 : Albédo SW en moyen mensuel (a) observé par CERES, (b) simulé par LMDZ5, et (c) simulé par LMDZ5-NP. a) b) c) 119 mais moins que LMDZ5. Aux hautes latitudes le forçage radiatif SW n’est plus surestimé et il est plus proche de celui observé.

Réflectance totale et simulateur PARASOL

Pour faire des comparaisons cohérentes entre les observations satellitales et les sorties du modèle on utilise ‘l’approche modèle vers satellite’ et on applique à cet effet le simulateur PARASOL (voir Annexe A). Le simulateur PARASOL consiste premièrement en une prise en compte de la structure 3D de la distribution des nuages via le découpage de chaque colonne atmosphérique en un ensemble de sous colonnes. Ensuite la réflectance dans une direction constante identique à celle du sous ensemble sélectionnée des observations PARASOL est calculée dans chaque sous colonne et moyennée sur chaque grille du modèle. Des tests de sensibilité (non montrés) indiquent que la réflectance simulée est insensible à la fréquence d’appel du simulateur (tous les 1.5, 3, 5, 6 heures) et au nombre des sous-colonnes (20 ou 50). La Figure 5.2. montre la réflectance totale (y compris la contribution du ciel clair) observée par PARASOL et simulée par le modèle LMDZ (ancienne et nouvelle version) en utilisant le simulateur PARASOL. Dans les tropiques LMDZ5 sous-estime l’épaisseur optique tout le long de l’ITCZ (réflectance simulée de l’ordre de 0.15 versus réflectance observée de l’ordre de 0.3). De même, les nuages dans la région de convection profonde du Pacifique Ouest mais aussi les stratocumulus du Pacifique Est tout le long de la côte de l’Amérique du Sud ont des réflectances simulées plus faibles que celles observées. Aux moyennes latitudes les réflectances simulées et celles observées sont en accord (réflectance de l’ordre de 0.2). La nouvelle physique arrive à améliorer l’estimation de l’épaisseur optique : le long de l’ITCZ dans la partie Est de l’océan Pacifique les réflectances simulées sont de l’ordre de 0.3 et proches des réflectances observées. LMDZ5-NP simule la réflectance des stratocumulus dans la partie Est des océans et surestime l’épaisseur optique associée à ces nuages.

Couverture nuageuse et simulateur lidar (a) Simulateur lidar

Pour évaluer la capacité des modèles climatiques à bien reproduire la couverture nuageuse et bien décrire la distribution verticale des nuages, le produit GOCCP a été défini de sorte que les diagnostiques issus des observations CALIPSO soient cohérents avec ceux issus du simulateur lidar (voir section 2.1.2.c et Annexe B). Figure 5.3: (a) et (b) Distribution verticale de la moyenne zonale de la fraction nuageuse, et (c) et (d) fraction nuageuse du niveau bas pour un an des simulations. Les fractions nuageuses sont (a) et (c) simulées par les sorties du modèle LMDZ5-NP, et (b) et (d) diagnostiquées par le simulateur lidar pour la même simulation. Dans la Figure 5.3. la fraction nuageuse simulée par le modèle est comparée à celle par l’ensemble modèle et simulateur lidar. On voit que le simulateur prend en compte l’effet de l’atténuation du signal lidar rétro-diffusé et donc l’effet de masquage des nuages bas par les nuages situés au dessus. Pour les nuages bas et moyens, les fractions après l’application du simulateur lidar sont plus faibles que celles venant directement du modèle (voir aussi Annexe C, Figure C1). Ces fractions nuageuses diffèrent principalement dans les régions ayant une activité convective persistante (comme dans les zones de convergence inter-tropicale et du Pacifique Sud et au dessus de la ‘warm pool’) et dans les régions extra-tropicales associées aux nuages frontaux. Toutefois, pour un pourcentage important de la fraction nuageuse  globale, les nuages simulés au niveau supérieur ne sont pas assez optiquement épais (le signal est généralement atténuée lorsque l’épaisseur optique est supérieure à 3), pas assez fréquents ou pas assez persistants pour couvrir totalement la vue des basses couches de l’atmosphère au-dessus. Malgré les effets d’atténuation du lidar, le simulateur CALIPSO constitue donc un outil puissant pour diagnostiquer et évaluer les différents types des nuages prévus par le GCM, y compris les nuages de couche limite marine. L’utilisation d’un seuil différent dans le simulateur lidar (par exemple SR=3 au lieu de SR=5) change peu les résultats (Figure 5.4.), ce qui suggère que le modèle ne simule pas beaucoup de nuages optiquement fins. Il faut noter que même si la détection d’une couche nuageuse observée dépend évidemment des critères utilisés pour cette détection, elle n’est pas critique pour l’étude de comparaison modèle-observations car les couches nuageuses sont diagnostiquées de la même façon pour le modèle et pour les observations.