Les fermes de la vie

 

Pour vous, nos radeaux de sauvetage
Vous, les gens, qui lisez ceci pour la première fois, il faut vraiment écouter sinon, vous allez tomber vous aussi dans le trou. Le gouvernement
Nous recrutons
Nous recrutons des activateurs. Calendrier de formation des activateurs principaux Ce sont les personnes, femmes ou hommes, qui prennent en charge
L'autonomie
L'autonomie pour la future civilisation consiste en deux choses : Se passer de tout ce que la civilisation actuelle produit Produire ce dont les
L'autonomie
L'autonomie pour la future civilisation consiste en deux choses : Se passer de tout ce que la civilisation actuelle produit Produire ce dont les
La résilience
La résilience est la qualité qui défini la capacité d'un système à affronter des attaques. Pour les fermes de la vie la résilience devra affronter
La politique
Notre relation avec la civilisation actuelle. L'organisation des fermes après l'effondrement
La communauté
Construire une communauté dans une nouvelle civilisation... Abandonné tout ce qui nous pourri la vie, mais aussi produire tout ce qui est essentiel
Les terrains
La recherche des terrains est une action qui nécessite une communauté soudée et volontaire. C'est la première difficulté importante qu'il faut

 

                  

Encore un article intéressant qui montre surtout en quoi les annonces de l'IPCC (GIEC) sont à prendre avec des pincettes.

 

Carbon_budgets_for_15_et_12.pdf

 

 

Mon groupe de chercheurs préférés, car ils sont clairs et précis, et on fait un formidable travail pour comprendre l'incidence des phénomènes climatiques sur les humains et leur environnement.

 En cliquant sur https://www.climaterealitycheck.net/ vous atteignez la page qui vous permet de lire le PDF ou de le télécharger en plusieurs langues en cliquant sur "download" et en  choisissant la langue.
 
Sinon vous cliquez ci-dessous et le document PDF en français apparaît
 
La réalité climatique en 2020 par BT groupe de chercheurs australien.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Ils sont rares ces exposés.

 

 

 

Présentation et évaluation du modèle climatique IPSL-CM6A-LR

Première publication: 28 mai 2020
 
Citations: 46
 

Abstrait

Cette étude présente le modèle climatique global IPSL-CM6A-LR développé à l'Institut Pierre-Simon Laplace (IPSL) pour étudier la variabilité naturelle du climat et la réponse du climat aux forçages naturels et anthropiques dans le cadre de la sixième phase du projet d'intercomparaison de modèles couplés (CMIP6) . Cet article décrit les différents composants du modèle, leur couplage et le climat simulé par rapport aux versions de modèle précédentes. Nous nous concentrons ici sur la représentation du climat physique ainsi que sur les principales caractéristiques du cycle global du carbone. La climatologie du modèle, telle qu'évaluée à partir d'une gamme de paramètres (liés notamment au rayonnement, à la température, aux précipitations et au vent), est fortement améliorée par rapport aux versions précédentes du modèle. Bien qu'ils soient réduits, un certain nombre de biais et de lacunes connus (par exemple, la double zone de convergence intertropicale [ITCZ], la fréquence des blocages hivernaux en latitudes moyennes et la dynamique El Niño – Oscillation australe [ENSO]) persistent. La sensibilité climatique à l'équilibre et la réponse climatique transitoire ont toutes deux augmenté par rapport au modèle climatique précédent IPSL-CM5A-LR utilisé dans CMIP5. Un grand ensemble de plus de 30 membres pour la période historique (1850–2018) et un ensemble plus petit pour une gamme de scénarios d'émissions (jusqu'en 2100 et 2300) sont également présentés et discutés.

Résumé en langage clair

Les modèles climatiques sont des outils uniques pour étudier les caractéristiques et le comportement du système climatique. Alors que les modèles climatiques et leurs composants se développent progressivement au fil des années, la sixième phase du projet d'intercomparaison des modèles couplés (CMIP6) a été l'occasion pour l'Institut Pierre ‐ Simon Laplace de développer, tester et évaluer une nouvelle configuration de son modèle climatique. appelé IPSL-CM6A-LR. Les caractéristiques et propriétés émergentes de ce nouveau modèle sont présentées dans cette étude. La climatologie du modèle, telle qu'évaluée à partir d'une gamme de paramètres, est fortement améliorée, bien qu'un certain nombre de biais communs à de nombreux modèles persistent. La sensibilité climatique à l'équilibre et la réponse climatique transitoire ont toutes deux augmenté par rapport au modèle climatique précédent IPSL-CM5A-LR utilisé dans CMIP5.

 

1. Introduction

Le Centre de Modélisation Climatique de l'Institut Pierre-Simon Laplace (IPSL CMC, voir https://cmc.ipsl.fr ) a mis en place une nouvelle version de son modèle climatique dans le cadre de la phase 6 du projet d'intercomparaison de modèles couplés (dit CMIP6 ; voir Eyring et al., 2016 , pour plus d'informations). Nous fournissons ici une brève description du modèle couplé, documentons la climatologie du modèle et ses performances par rapport à une gamme d'observations et de réanalyses, et présentons quelques propriétés émergentes clés du modèle (variabilité interne et réponse aux forçages). La mise en œuvre des conditions aux limites du modèle (Lurton et al., 2020 ) et le processus de développement de cette nouvelle configuration de modèle en préparation de CMIP6 sont décrits dans deux documents d'accompagnement.

IPSL CMC a développé IPSL-CM5A-LR (CM signifie modèle climatique et LR pour basse résolution) comme modèle principal pour la phase 5 du CMIP (Dufresne et al., 2013 ; Szopa et al., 2013 ). IPSL-CM5A-LR avait également deux variantes: une configuration à résolution moyenne, IPSL-CM5A-MR, et une version expérimentale, IPSL-CM5B-LR, basée sur une nouvelle version de la physique atmosphérique (Hourdin et al., 2013a ) . La résolution du modèle atmosphérique était de 96  ×  95 points en longitude et latitude dans la configuration LR, et 144  × 143 dans la configuration MR. Les deux versions avaient 39 couches verticales. La résolution nominale du modèle océanique NEMO était de 2 ° pour les deux configurations. Depuis, de nombreuses améliorations ont été mises en œuvre dans les différentes composantes du modèle: LMDZ (atmosphère), NEMO (océan, glace de mer, biogéochimie marine) et ORCHIDEE (surface terrestre, hydrologie, cycle du carbone terrestre). Dans cet article, nous ne décrivons que le modèle couplé océan-atmosphère et le cycle du carbone dans les composants des modèles terrestres et marins, car la version complète du système terrestre de IPSL-CM6 est encore en cours de développement. La résolution du modèle atmosphérique est désormais de 144  ×  143 points en longitude et en latitude, ce qui correspond à une résolution moyenne de urn: x-wiley: jame: media: jame21147: jame21147-math-0001 km ( Rétant le rayon de la Terre) et 79 couches verticales (avec un sommet du modèle à ∼ 80 km). La faible résolution horizontale (LR) de l'IPSL-CM6 correspond ainsi à la résolution horizontale moyenne (MR) de l'IPSL-CM5. La résolution nominale du modèle océanique a été augmentée à 1 ° et 75 couches verticales.

Cet article fournit un point d'entrée au modèle IPSL-CM6A-LR avec une brève description scientifique et technique du modèle, une évaluation approfondie de sa climatologie et une présentation du DECK (Diagnostic, Evaluation, and Characterization of Klima) et ScenarioMIP simulations préparées pour CMIP6. D'autres études sur les propriétés émergentes du modèle IPSL-CM6A-LR et les études d'intercomparaison de modèles devraient être en cours au cours des prochaines années.

2 Bref aperçu du modèle IPSL-CM6A-LR

2.1 Présentation

L'IPSL-CM6A-LR est composé du modèle atmosphérique LMDZ version 6A-LR (Hourdin et al., 2020a ), du modèle océanique NEMO version 3.6 (voir les références ci-dessous) et du modèle de surface terrestre ORCHIDEE version 2.0. Nous décrivons brièvement ci-dessous chacun des trois composants du modèle et la procédure de couplage entre eux. Une description plus détaillée du modèle climatique IPSL-CM6A-LR est disponible sur l'interface ES-DOC ( https://explore.es-doc.org/cmip6/models/ipsl/ipsl-cm6a-lr ).

2.2 Composant atmosphérique LMDZ6

Le modèle de circulation générale atmosphérique LMDZ6A-LR est basé sur une formulation aux différences finies des équations primitives de la météorologie (Sadourny & Laval, 1984 ), sur une grille de longitude-latitude décalée et extensible (le Z de LMDZ pour Zoom). La vapeur d'eau, l'eau liquide et solide et les espèces traces atmosphériques sont advectées selon un schéma monotone de volumes finis du second ordre (Hourdin et Armengaud, 1999 ; Van Leer, 1977 ). À la verticale, le modèle utilise une coordonnée sigma-pression classique dite hybride. Concernant les paramétrisations physiques, l'IPSL a participé au CMIP5 avec deux versions: une version «Standard Physics» (composante atmosphérique LMDZ5A utilisée dans IPSL-CM5A Hourdin et al., 2013b) et une version «New Physics» (NP) (LMDZ5B utilisé dans IPSL-CM5B Hourdin et al., 2013b ) basée sur une refonte complète des paramétrisations de la turbulence, de la convection et des nuages ​​sur lesquelles la version 6A est construite. Ce package NP comprend notamment un schéma turbulent basé sur l'équation pronostique de l'énergie cinétique turbulente qui suit Yamada ( 1983 ), une représentation de flux de masse des structures organisées de la couche limite convective appelée «Thermal Plume Model» (Hourdin et al. , 2002 ; Rio & Hourdin, 2008 ; Rio et al., 2010 ), et une paramétrisation des bassins froids ou sillages créés sous les cumulonimbus par l'évaporation des pluies convectives (Grandpeix & Lafore, 2010); Grandpeix et al., 2010 ). Le schéma de «mélange épisodique et de tri de flottabilité» développé à l'origine par Emanuel ( 1991 ) utilisé pour la convection profonde a été modifié pour que la fermeture et le déclenchement reposent sur la description des mouvements verticaux du sous-nuage par les panaches thermiques et les sillages (Rio et al., 2009 ) . Concernant la convection, deux améliorations importantes ont été apportées des versions 5B à 6A: une modification du détrainement latéral dans le modèle du panache thermique qui permet de bien représenter de manière satisfaisante la transition du stratocumulus aux cumulus (Hourdin et al., 2019a ) et l'introduction de un déclenchement statistique de la convection profonde (Rochetin et al., 2014a , 2014b). Le schéma de rayonnement a été hérité du Centre européen pour les prévisions météorologiques à moyen terme. Dans la version LMDZ6A, il inclut le code du modèle de transfert radiatif rapide (RRTM) pour le rayonnement infrarouge thermique et une version améliorée à six bandes du schéma de Fouquart et Bonnel ( 2014b ) pour le rayonnement solaire. La couverture nuageuse et la teneur en eau des nuages ​​sont calculées à l'aide d'un schéma statistique utilisant une fonction log-normale pour la convection profonde (Bony et Emanuel, 2001 ) et une fonction bigaussienne pour les cumulus peu profonds (Jam et al., 2013 ).

La version 6A-LR est basée sur une grille horizontale régulière avec 144 points régulièrement espacés en longitude et 142 en latitude, correspondant à une résolution de 2,5 °  ×  1,3 °. Le modèle comporte 79 couches verticales et s'étend jusqu'à 80 km, ce qui en fait un modèle «haut de gamme». Il comprend une représentation des ondes de gravité générées par les montagnes ainsi que par la convection (Lott & Guez, 2013 ) et les fronts (de la Cámara & Lott, 2015 ; de la Cámara et al., 2016 ). Le modèle montre une oscillation quasi-biennale auto-générée (QBO) dont la période a été ajustée à celle observée pour le climat actuel. La source de vapeur d'eau dans la stratosphère due à l'oxydation du méthane n'est pas activée.

Les lecteurs sont dirigés vers Hourdin, Rio, Grandpeix, et al. ( 2020a ) pour plus de détails.

2.3 Composant océanique NEMO

La composante océanique utilisée pour IPSL-CM6A-LR est basée sur la version 3.6 stable de NEMO (Nucleus for European Models of the Ocean), qui comprend trois composantes majeures: la physique océanique NEMO-OPA (Madec et al., 2017 ), la dynamique et la thermodynamique des glaces de mer NEMO-LIM3 (Rousset et al., 2015 ; Vancoppenolle et al., 2009 ), et la biogéochimie océanique NEMO-PISCES (Aumont et al., 2015 ). La configuration utilisée est eORCA1 (avec le e signifiant étendu), la grille tripolaire mondiale quasi-isotrope avec une résolution nominale de 1 °, et étendue vers le sud afin de mieux représenter la contribution des mers antarctiques sous la banquise au sud Cycle des eaux douces océaniques (Mathiot et al., 2017). La grille a un affinement de grille latitudinal de 1/3 ° dans la région équatoriale. La discrétisation verticale utilise une formulation en étapes partielles (Barnier et al., 2006 ), qui assure une meilleure représentation de la bathymétrie du fond, avec 75 niveaux. Les épaisseurs de couche initiale augmentent de manière non uniforme de 1 m en surface à 10 m à 100 m de profondeur et atteignent 200 m au fond; ils dépendent par la suite du temps (Levier et al., 2007 ).

2.3.1 Physique des océans: NEMO-OPA

La configuration eORCA1 utilisée a une surface libre non linéaire utilisant la formulation de couche à volume variable, ce qui induit une variabilité temporelle de toutes les épaisseurs de couche (Levier et al., 2007 ). Il utilise une représentation polynomiale de l'équation d'état TEOS-10 (Roquet et al., 2015 ). Le mélange vertical de traceurs et d'impulsion utilise le schéma d'énergie cinétique turbulente (Blanke & Delecluse, 1993 ; Gaspar et al., 1990 ) et une paramétrisation du mélange sous contrainte d'énergie due aux marées internes (de Lavergne, 2016 ; de Lavergne et al. , 2019 ). Il n'y a pas de diffusivité de fond constante autre qu'un plancher aux niveaux moléculaires: 1,4 × 10 −6  m 2 s −1 pour l'impulsion et 1,4 × 10 −7  m 2  s −1 pour les traceurs. Le mélange induit par des processus sub-mesurées dans la couche mixte est également paramétré (Fox-Kemper et al., 2011 ). Une condition aux limites de frottement de fond quadratique est appliquée avec un paramétrage d'une couche limite de fond diffusive pour les traceurs avec un coefficient de 1 000 m 2  s -1 . Le modèle utilise un schéma de conservation de l'énergie enstrophie pour l'advection d'impulsion, et une condition aux limites sans glissement est appliquée sur les équations d'impulsion. La diffusion latérale de l'impulsion est effectuée sur des surfaces géopotentielles et utilise une viscosité laplacienne avec un coefficient de 20000 m 2  s−1 . La diffusion latérale des traceurs est réalisée le long de surfaces isoneutre en utilisant un mélange laplacien avec un coefficient spatialement variable de 1000 m 2  s -1 à l'équateur décroissant avec la réduction de l'espacement de la grille avec la latitude et atteint une valeur inférieure à 500 m 2  s -1 pôle à 60 ° N et 60 ° S. De plus, il existe une paramétrisation du mélange tourbillonnaire adiabatique (Gent & Mcwilliams, 1990 ) variant spatialement en fonction du rayon de Rossby et du taux de croissance local des instabilités barocliniques. La configuration comprend également une représentation de l'interaction entre le rayonnement à ondes courtes entrant dans l'océan et le phytoplancton (Lengaigne et al., 2009). Un flux de chaleur géothermique variant spatialement est appliqué au fond de l'océan (Goutorbe et al., 2011 ), avec une valeur moyenne globale de 66 mW m -2 .

2.3.2 Glace de mer: NEMO-LIM

IPSL-CM6A-LR utilise la v3.6 du modèle de glace de Louvain-la-Neuve (LIM), au lieu de la version 2 pour IPSL-CM5; par conséquent, de nombreuses caractéristiques du modèle de glace de mer ont été révisées depuis le CMIP5. LIM3.6 est un modèle de glace de mer dynamique halothermodynamique multicatégorie intégré dans l'environnement NEMO (Rousset et al., 2015 ; Vancoppenolle et al., 2009 ), basé sur le cadre Arctic Ice Dynamics Joint EXperiment (AIDJEX) (Coon et al., 1974 ). LIM3.6 combine l'approche de la distribution de l'épaisseur de la glace (Bitz et al., 2001 ; Lipscomb, 2001 ; Thorndike et al., 1975 ), la conservation de l'élan horizontal (Hibler, 1979 ), traitant la glace de mer comme un élastique 2D. continuum plastique visqueux (Bouillon et al.,2013 ; Hunke & Dukowicz, 1997 ), le transport horizontal (Prather, 1986 ) et l'halothermodynamique économisant l'énergie (Bitz & Lipscomb, 1999 ; Vancoppenolle et al., 2009 ). Les multiples catégories de glace permettent de résoudre la croissance accrue de la glace mince et l'absorption du rayonnement solaire à travers la glace mince et la redistribution de la glace mince sur la glace épaisse par le biais du billonnage et du rafting. La salinité de la glace de mer fait partie intégrante du modèle, évoluant de manière dynamique pour résoudre le piégeage et le drainage de la saumure et influençant les propriétés thermiques de la glace de mer et les échanges glace-océan (Vancoppenolle et al., 2009). Cinq catégories d'épaisseur sont utilisées. Les champs de température et de salinité de la glace sont ensuite discrétisés sur deux couches verticales de glace de mer et une couche de neige. Horizontalement, les champs de glace sont résolus sur la même grille que la composante océanique.

L'état de la glace de mer à grande échelle a d'abord été ajusté dans des simulations océan-glace de mer uniquement, puis à la fin de chaque cycle de réglage d'une longue simulation entièrement couplée, qui totalise plusieurs milliers d'années. Les paramètres de réglage de la glace de mer comprennent les valeurs nodales d'albédo nuage-ciel (neige sèche 0,87, neige mouillée 0,82, neige carbonique 0,65 et glace humide 0,58) et la conductivité thermique de la neige (0,31 W m −1  K −1 ). Les valeurs d'albédo se situent dans le haut de la fourchette, pour améliorer la formation de la glace de mer et réduire la fonte, et compenser les effets des températures élevées de l'air au-dessus de la glace de mer, en particulier pendant l'hiver arctique. Les valeurs nodales de l'albédo ont été maintenues dans la plage d'incertitude d'observation, laissant toujours un biais de glace de mer arctique faible. Le paramètre de résistance de la glace a été réglé sur = 20 000  N m -2 . Une concentration maximale de glace est imposée, ce qui équivaut à imposer une fraction d'eau libre minimale et effectuée spécifiquement pour chaque hémisphère (0,997 dans l'hémisphère nord et 0,95 dans l'hémisphère sud). Ce choix se justifie par la difficulté du modèle à maintenir l'eau libre au sein du pack, notamment en hiver, et plus encore pour la banquise antarctique.

2.3.3 Biogéochimie océanique: NEMO ‐ PISCES

Le modèle biogéochimique est basé sur PISCES ‐ v2 (Aumont et al., 2015) qui simule les niveaux trophiques inférieurs de l'écosystème marin (phytoplancton, microzooplancton et mésozooplancton) et les cycles biogéochimiques du carbone et des principaux nutriments (P, N, Fe et Si). Il existe 24 variables pronostiques (traceurs) dont deux compartiments phytoplanctoniques (diatomées et nanophytoplancton), deux classes de taille de zooplancton (microzooplancton et mésozooplancton) et une description de la chimie des carbonates. Les formulations dans PISCES-v2 sont basées sur un formalisme mixte Monod / Quota. D'une part, la stoechiométrie de C / N / P est fixe et le taux de croissance du phytoplancton est limité par la disponibilité externe en N, P et Si. En revanche, les quotas de fer et de silicium sont variables et le taux de croissance du phytoplancton est limité par la disponibilité interne en Fe. Les nutriments et / ou le carbone sont fournis à l'océan à partir de trois sources différentes: les dépôts atmosphériques, les rivières et la mobilisation des sédiments. PISCES est utilisé ici pour calculer les flux air-mer de carbone ainsi que l'effet d'un couplage biophysique: la concentration de chlorophylle produite par les rétroactions de la composante biologique sur le bilan thermique océanique en modulant l'absorption de la lumière ainsi que le taux de réchauffement océanique (Lengaigne et al.,2009 ).

2.4 Composante de surface terrestre ORCHIDEE

ORCHIDEE est un modèle global basé sur des processus de la surface terrestre et de la biosphère terrestre qui calcule les flux d'eau, d'énergie et de carbone entre la surface et l'atmosphère. Le modèle, initialement décrit dans Krinner et al. ( 2005 ) pour la version utilisée dans le modèle IPSL-CM5, a été considérablement améliorée dans la version 2.0 utilisée dans IPSL-CM6A-LR. Nous ne résumons ci-dessous que les principales caractéristiques d'ORCHIDEE et les principales améliorations de la version CMIP5.

L'hétérogénéité de la végétation est décrite à l'aide de fractions de 15 types fonctionnels végétaux différents (PFTs Prentice et al., 1992 ) pour chaque cellule de la grille. Tous les PFT partagent les mêmes équations mais avec des paramètres différents, à l'exception de la phénologie des feuilles. L'évolution annuelle des cartes PFT (y compris un produit de récolte de bois) est dérivée de la base de données LUHv2 (Lurton et al., 2020). Dans chaque cellule de la grille, les PFT sont regroupés en trois tuiles de sol en fonction de leur comportement physiologique: végétation haute (forêts) avec huit PFT, végétation basse (herbes et cultures) avec six PFT et sol nu avec un PFT. Un budget hydrologique indépendant est calculé pour chaque tuile de sol, afin d'éviter que les forêts n'épuisent toute l'humidité du sol. En revanche, un seul bilan énergétique (et un bilan neige) est calculé pour toute la cellule de la grille. Notez que le bilan énergétique est résolu avec un schéma numérique implicite qui couple la basse atmosphère à la surface, afin d'augmenter la stabilité numérique. Toutes les composantes des bilans d'énergie de surface et d'eau, ainsi que les flux de carbone plante / sol, sont calculées au même pas de temps que la physique atmosphérique (soit 15 min; Hourdin, Rio, Grandpeix, et al., 2020a) en utilisant une approche standard «grandes feuilles», mais les processus «lents» (allocation du carbone dans les différents réservoirs végétaux et dynamique du carbone de la litière et du sol) sont calculés sur un pas de temps quotidien. Le schéma de routage pour transformer le ruissellement en débit fluvial vers l'océan (Ngo ‐ Duc et al., 2007 ) se déroule également au pas de temps quotidien et n'a pas changé depuis IPSL ‐ CM5.

Un schéma d'hydrologie du sol à 11 couches basé sur la physique a remplacé le modèle de godet à deux couches utilisé dans IPSL-CM5. Les flux d'eau verticaux sont décrits à l'aide de l'équation de Richard discrétisée avec 11 couches pour une profondeur de sol de 2 m, et une condition de drainage libre est imposée au bas de la colonne de sol (de Rosnay et al., 2002 ; D'Orgeval et al., 2008 ). Comme détaillé dans Wang et al. ( 2016), la discrétisation verticale pour la diffusion de chaleur est désormais identique à celle adoptée pour l'eau jusqu'à 2 m. De plus, la profondeur du sol pour la diffusion de la chaleur est étendue à 90 m, avec une condition de flux nul au fond et 18 nœuds de calcul, extrapolant la teneur en humidité de la couche hydrologique la plus profonde à l'ensemble du profil entre 2 et 90 m. Les propriétés thermiques du sol (capacité thermique et conductivité) de chaque couche dépendent désormais de l'humidité et de la texture du sol, tout comme les propriétés hydrologiques du sol (conductivité hydraulique et diffusivité). Chaque cellule de la grille du modèle est caractérisée par la texture dominante du sol, dérivée de la carte de Zobler ( 1986) (mais réduit à trois classes: loam grossier / sableux, moyen / limoneux et limon fin / argileux), et contrôle des paramètres constants du sol (porosité, paramètres de Van Genuchten, capacité du champ et point de flétrissement, et propriétés thermiques sèches et saturées) . Tous ces changements ont un impact significatif sur la température de surface et sa variabilité à haute fréquence dans la plupart des régions (Cheruy et al., 2017 ).

Contrairement à IPSL-CM5, le gel du sol est autorisé et diagnostiqué dans chaque couche de sol selon un schéma proposé par Gouttevin et al. ( 2012 ), mais le dégagement / la consommation de chaleur latente associé à la congélation / décongélation de l'eau n'est pas pris en compte. L'état de gel du sol influe principalement sur le calcul des propriétés thermiques et hydrauliques du sol, réduisant, par exemple, la capacité d'infiltration d'eau à la surface du sol. Enfin, le schéma de neige à une couche de IPSL-CM5 a été remplacé par un schéma à trois couches de complexité intermédiaire décrit dans Wang et al. ( 2013 ) et inspiré du schéma proposé dans Boone et Etchevers ( 2001). Un paramétrage révisé de l'albédo de la végétation et de la neige a également été introduit avec des paramètres optimisés basés sur les données d'albédo de télédétection du capteur MODIS.

Pour le cycle du carbone, la photosynthèse dépend de la disponibilité de la lumière, de la concentration de CO 2 , de l'humidité du sol et de la température de l'air à la surface. Il est paramétré sur la base de Farquhar et al. ( 1980 ) et Collatz et al. ( 1992 ) pour les plantes C3 et C4, respectivement. Nous avons utilisé l'implémentation proposée par Yin et Struik ( 2009 ) qui dérive une solution analytique des trois équations liant le taux d'assimilation net, la conductance stomatique et la pression partielle de CO 2 intercellulaire . De plus, la nouvelle version d'ORCHIDEE utilisée dans IPSL-CM6A-LR comprend une capacité de «régulation à la baisse» qui prend en compte une réduction des taux de photosynthèse maximaux comme le CO 2la concentration augmente afin de tenir compte des limitations nutritionnelles. Ce mécanisme de régulation à la baisse est modélisé comme une fonction logarithmique de la concentration de CO 2 par rapport à 380 ppm selon Sellers et al. ( 1996). Une fois que le carbone est fixé par la photosynthèse, nous calculons la respiration autotrophique (croissance et entretien) puis répartissons le carbone restant dans huit compartiments végétaux (aubier et bois de cœur souterrains et aériens, feuilles, fruits, racines et réserves). Chaque compartiment a un renouvellement spécifique en fonction des stress environnementaux, et la biomasse vivante est transformée en un bassin de litière qui se répartit en quatre compartiments (métaboliques ou structurels, à la fois au-dessus ou en dessous du sol). La litière est décomposée selon des équations cinétiques de premier ordre, modulées par l'humidité et la température du sol supérieur, avec une fraction qui est respirée et une fraction qui est distribuée dans trois bassins de carbone organique du sol (actif, lent et passif), suivant le modèle CENTURY (Parton et al., 1987). Chaque pool de carbone organique du sol est également décomposé selon des équations cinétiques de premier ordre modulées par l'humidité et la température du sol. Dans l'ensemble, le carbone respiré de la litière et des bassins de carbone du sol définit la respiration hétérotrophe.

2.5 Couplage entre les composants

Les modèles LMDZ et ORCHIDEE sont couplés à chaque pas de temps de la physique du modèle atmosphérique (soit 15 min) à l'exception des processus biogéochimiques et de la dynamique de la végétation pour lesquels la fréquence de couplage est de 1 jour.

Le couplage entre LMDZ et NEMO dans IPSL-CM5 est décrit dans Marti et al. ( 2010). Elle est désormais réalisée avec le coupleur OASIS3-MCT. IPSL-CM6A-LR introduit quelques modifications et de nouvelles fonctionnalités: les modèles sont couplés à une fréquence de 90 min, qui est à la fois le pas de temps du modèle de glace de mer et du calcul du rayonnement dans l'atmosphère. Les variables atmosphériques transmises au modèle océanique (flux de chaleur, d'eau et d'impulsion) sont moyennées temporellement sur les six pas de temps de 15 minutes de la physique LMDZ. Le flux d'eau douce des rivières est transmis au modèle océanique à l'embouchure des rivières avec une fréquence de 1 jour, qui est également le pas de temps du tracé de la rivière dans ORCHIDEE. Sur la grille océanique, l'eau provenant d'une rivière est lissée sur environ 200 km pour éviter de fortes haloclines qui peuvent occasionnellement provoquer le crash du modèle océanique. Pour assurer la conservation de l'eau, le flux d'eau dans les bassins endoréiques est globalement intégré et redistribué de manière homogène sur l'océan. Les variables du modèle océanique envoyées à l'atmosphère toutes les 90 minutes sont la température de surface de la mer (SST), la fraction de glace de mer, la température de surface de la glace de mer et l'albédo, moyennées sur deux pas de temps de dynamique océanique. L'albédo pour l'océan de surface ouverte est calculé à chaque pas de temps dans LMDZ selon Séférian et al. (2018 ), ce qui représente une amélioration significative par rapport au paramétrage utilisé dans les modèles IPSL-CM5. L'albédo océanique est fonction de l'angle zénithal solaire, de la bande d'ondes et de la vitesse du vent de surface; la dépendance facultative de la teneur en chlorophylle de l'océan de surface n'a pas été activée. Des albédos séparés sont fournis au schéma de transfert radiatif pour le rayonnement direct et diffus.

Le modèle comprend un schéma très simple pour représenter le bilan hydrique des calottes glaciaires. La neige peut s'accumuler sur la fraction de glace terrestre d'une grille, tandis que la vapeur d'eau peut se déposer ou se sublimer en fonction de l'humidité relative de la surface. Le manteau neigeux est plafonné à une valeur de 3 000 kg m -2 , et tout excédent est envoyé dans un réservoir tampon avant de retourner dans l'océan. Cette mise en tampon est obtenue grâce à un lissage temporel du flux d'eau douce (avec un eTemps de repli) pour éviter toute variabilité parasite à basse fréquence de l'apport d'eau douce à l'océan. Le flux est ensuite intégré dans trois bandes latitudinales (90–40 ° N, 40 ° N à 40 ° S et 40–90 ° S) et transmis à l'océan. Dans le nord et dans les bandes tropicales / subtropicales, le flux est également réparti sur l'océan sur les mêmes bandes latitudinales. Dans la bande sud, il est divisé en deux contributions de 50% chacune correspondant à la fonte de la banquise et à la fonte des icebergs. La fonte de la banquise est géographiquement et verticalement répartie le long de l'Antarctique de manière à imiter la distribution observée de Depoorter et al. ( 2013 ) comme décrit dans Mathiot et al. ( 2017 ). La fonte des icebergs se propage au large suivant la répartition géographique observée des icebergs de Merino et al. (2016 ) et répartis verticalement sur les 150 mètres supérieurs, de la même manière que les eaux de ruissellement.

Les modèles atmosphériques et de surface terrestre ne disposent pas d'informations suffisantes sur les températures des apports d'eau douce dans l'océan, de sorte qu'un certain nombre d'hypothèses simplificatrices sont formulées: les températures de la pluie et de la neige atteignant l'océan sont supposées être celles de la SST ou de la surface de la glace. température dans les zones couvertes de glace; la température du débit de la rivière est supposée être celle du SST à l'embouchure de la rivière (sauf si celle-ci est négative, auquel cas le débit de la rivière est supposé à 0 ° C). Le flux d'eau douce provenant de la fonte des icebergs est traité comme un ruissellement; par conséquent, la chaleur latente nécessaire pour faire fondre la glace est ignorée et sa température est réglée sur le SST. En revanche, le flux d'eau douce provenant de la fonte de la banquise est traité comme de la glace à 0 ° C, et la chaleur latente nécessaire pour la faire fondre est prise en compte.

Le manque de représentation du contenu énergétique des précipitations, du débit des rivières et des icebergs a pour conséquence que l'énergie n'est pas conservée exactement dans le modèle. Il convient de noter que ce ne sont pas les seuls processus non économes en énergie du modèle. Un certain nombre de paramétrisations à l'échelle du sous-réseau dans l'océan (p. Ex. Vitesse induite par les tourbillons, convection, mélange de quantité de mouvement horizontal et dissipation d'énergie cinétique turbulente), dans l'atmosphère (p. Ex. Schéma de convection) et à l'interface océan-atmosphère (p. Ex. , interpolation de la contrainte du vent) n'économisent pas exactement l'énergie. Un petit manque de conservation d'énergie n'est pas un problème majeur car les petites sources d'énergie et les puits n'empêchent pas le modèle de s'équilibrer, du moins si les termes non conservateurs sont stationnaires. Parvenir à une économie d'énergie plus exacte est un objectif de la prochaine version de notre modèle climatique.

2.6 Composants optionnels du modèle

D'autres composants du modèle peuvent être activés dans IPSL-CM6A-LR mais ne sont ni décrits plus en détail dans cet article ni utilisés dans les expériences de modèle présentées ci-dessous. Ceux-ci comprennent des modèles de chimie atmosphérique / microphysique des aérosols tels que les INteractions avec la chimie et les aérosols (INCA Hauglustaine et al., 2014 ), les processus réactifs régissant le BUdget ozone dans la stratosphère (REPROBUS Marchand et al., 2012 ), et la stratosphère sectionnelle Aérosol de soufre (S3A Kleinschmitt et al., 2017) des modèles. L'activation de l'un de ces composants du modèle (au lieu de spécifier la composition chimique atmosphérique et les climatologies des aérosols) nécessite un petit réajustement du modèle LMDZ6A ou, dans le cas de S3A, du bilan de soufre stratosphérique de fond afin d'assurer un climat de référence similaire à celui de IPSL-CM6A-LR. Le couplage de ces modèles de chimie et d'aérosol avec les autres composants du modèle sera décrit dans les publications à venir.

2.7 Procédure de test, de réglage et d'évaluation

Le modèle a été largement développé et testé sous le climat actuel en utilisant une configuration que nous appelons une configuration pdControl , qui correspond aux forçages climatiques actuels avec un puits artificiel d'énergie radiative à ondes courtes atteignant la surface de l'océan afin de compenser le absorption de la chaleur océanique du climat déséquilibré actuel. Un certain nombre de caractéristiques du modèle ont été adaptées aux observations (voir Hourdin et al., 2017 , pour la justification).

Les paramètres considérés lors de la mise au point du modèle atmosphérique sont donnés dans le tableau 3 de Hourdin, Rio, Grandpeix, et al. ( 2020a ). Ils concernent en particulier le contrôle du schéma de convection profonde, le contrôle de la conversion de l'eau condensée des nuages ​​en pluie, et le contrôle de la dépendance verticale de la largeur de la distribution d'eau sous-échelle pour les nuages ​​non convectifs. Un paramètre a également été introduit dans le modèle «panache thermique» pour contrôler la représentation de la transition des cumulus aux nuages ​​stratocumulus (Hourdin et al., 2020a , 2020b). La valeur seuil pour la conversion de l'eau des nuages ​​liquides en précipitations ainsi qu'un paramètre qui contrôle l'effet indirect des nuages ​​ont été utilisés pour le réglage final du bilan radiatif global car ils affectent spécifiquement l'épaisseur optique des nuages ​​liquides (bas), ainsi modifiant le rayonnement total des ondes courtes beaucoup plus que les ondes longues.

À un moment donné au cours du processus de développement, le flux de développement principal est passé d'un pdControl à un piControlconfiguration, qui correspond aux forçages climatiques préindustriels. Le spin up dure plusieurs centaines d'années, mais avec une certaine évolution de la physique du modèle au fur et à mesure que le réglage était en cours de finalisation. Le processus de réglage final impliquait des changements dans les paramètres associés aux propriétés physiques de la glace de mer (albédo et conductivité), à la paramétrisation de l'orographie à l'échelle du sous-réseau et à la pénétration d'énergie dans la partie supérieure de l'océan avec et sans couverture de glace de mer. Diverses options ont également été envisagées concernant le contrôle de la convection profonde atmosphérique et sa concurrence avec la convection superficielle. Un choix important de la configuration finale a été de considérer le transport convectif de la couche limite par le «modèle de panache thermique» à l'extérieur des piscines froides uniquement. Avec ce choix, les panaches thermiques voient un environnement plus instable (puisque le panache thermique est plus stable que la colonne moyenne). Les panaches thermiques sont donc plus actifs, ce qui à son tour favorise la convection peu profonde par rapport à la profonde. L'activité de convection profonde atmosphérique au-dessus de l'océan a également été modifiée en utilisant une valeur différente (plus grande) de la densité horizontale des bassins froids: un bassin froid par (33 km)2 au- dessus de l'océan contre un par (350 km) 2 au- dessus de la terre (à noter que le paramétrage de cette densité de mares froides est actuellement testé plus avant dans des versions plus récentes). La traînée de surface sur l'océan a également été modifiée en introduisant un terme de rafales calculé en fonction de la vitesse verticale associée au soulèvement de l'air par les panaches thermiques et par les fronts de rafales des bassins froids.

Le code du modèle a ensuite été gelé (version 6.1.0) et modifié par la suite uniquement pour corriger les diagnostics ou autoriser d'autres options et configurations. Les versions 6.1.0 à 6.1.11 (la version actuelle) sont donc reproductibles en bits pour une décomposition de domaine, des options de compilation et un supercalculateur donnés.

Un contrôle préindustriel pluriannuel a ensuite été simulé: 100 ans (1750–1850) comme expérience piControl-spinup et 2 000 ans (1850–3849) comme expérience piControl . Il est à noter que l' expérience piControl souffre d'une petite dérive de refroidissement de ∼  0,2 K en 2000 ans. Une expérience piControl plus courte de 250 ans étiquetée r1i2p1f1 a été menée sur le supercalculateur Joliot-Curie pour vérifier la cohérence. Un grand ensemble (32 membres) de simulations historiques (1850–2014) a été réalisé suivant le protocole CMIP6. Les conditions initiales des simulations historiques ont été échantillonnées tous les 20 ou 40 ans du piControlà partir de l'année 1870 du piControl . La r1i1p1f1 simulation a été choisie qualitativement parmi les premiers ~ 12 membres disponibles au moment de la sélection sur la base de quelques observables clés de la période historique, comme l'évolution de la température de l' air moyenne à la surface, été étendue de la glace de mer dans l'océan Arctique et le volume annuel de glace de mer dans l'océan Arctique. La justification de la mise en évidence d'un membre particulier est que nous nous attendons à ce que de nombreux utilisateurs ne considèrent que r1i1p1f1 plutôt que l'ensemble entier. Une analyse en cours plus approfondie de notre grand ensemble historique montre que d'autres membres semblent être plus proches du record observé à bien des égards. La plupart des historiquesles simulations ont été prolongées (en dehors du protocole CMIP6) jusqu'à 2059 à l'aide des forçages atmosphériques, d'utilisation des terres et solaires SSP245 (à l'exception de la récolte de bois et des forçages d'ozone, non disponibles à l'époque, qui ont été maintenus constants à leurs valeurs de 2014). Un ensemble de simulations de scénarios pour 2015–2100 avec quelques extensions jusqu'à l'an 2300 a également été réalisé en suivant les lignes directrices de ScenarioMIP (O'Neill et al., 2016 ).

2.8 Améliorations de l'infrastructure

Le modèle IPSL-CM6A-LR peut être extrait, installé et compilé sur une machine spécifique à l'aide d'une suite de scripts appelée modipsl. Les simulations sont exécutées dans l'environnement d'exécution libIGCM, qui peut être utilisé pour configurer et exécuter une simulation sur une machine spécifique à travers une chaîne de travaux de calcul et de post-traitement. Les métadonnées des simulations sont envoyées à l'outil de supervision Hermes qui peut être utilisé pour suivre l'avancement des simulations, et les variables clés de différentes simulations peuvent être comparées à l'aide d'un outil d'inter-surveillance sur un serveur Web dédié (accès fermé).

Les simulations CMIP6 ont été réalisées au Très Grand Centre de Calcul (TGCC) sur le supercalculateur Curie avec un basculement lors de la production du CMIP6 en octobre 2018 sur le supercalculateur Joliot ‐ Curie. Un piControl et des simulations historiques initialement réalisées sur Curie ont été répétées sur le supercalculateur Joliot-Curie pour s'assurer que les statistiques climatiques étaient comparables sur les deux supercalculateurs. Le débit est d'environ 13 et 16 années simulées par jour sur Curie et Joliot-Curie, respectivement, sur 960 processeurs avec la sortie CMIP6 complète.

Les sorties du modèle IPSL-CM6A-LR sont gérées par le serveur d'entrée / sortie XML (XIOS Meurdesoif et al., 2016 ). Pour la production CMIP6, les variables de sortie du modèle au format natif ont été réduites au minimum. Au lieu de cela, et contrairement à CMIP5, la sortie du modèle compatible CMIP6 a été produite à la volée en utilisant les méthodes XIOS du code. XIOS est piloté par des fichiers XML décrivant l'ensemble de la structure du fichier netCDF (dimensions, attributs, etc.). Ces fichiers XML ont été produits à l'aide de la bibliothèque python dr2XML ( https://github.com/rigoudyg/dr2xml ) développée par nos collaborateurs CNRM-CERFACS, qui traduit la demande de données CMIP6 et le vocabulaire contrôlé ( https://github.com/WCRP -CMIP / CMIP6_CVs ) dans des fichiers XML pour XIOS. Nous utilisonsdr2XML pour générer des fichiers XML pour chaque année simulée d'une expérience et d'un membre CMIP6 donnés. Les séries chronologiques netCDF sont créées et remplies par XIOS tout au long de la simulation pour éviter la concaténation lors du post-traitement.

Une assurance qualité est appliquée à la fin de chaque simulation de modèle CMIP6. La simulation est validée d'un point de vue scientifique pour s'assurer qu'il n'y a pas de problème critique ou d'incohérences dans les diagnostics (par exemple, application incorrecte d'un terme de forçage, mauvais signe et modèles récurrents). Chaque fichier subit ensuite plusieurs vérifications par rapport au vocabulaire contrôlé CMIP6 pour s'assurer de sa conformité avec la syntaxe de référence de données CMIP6 ( https://pcmdi.llnl.gov/CMIP6 ) en termes d'axe temporel et de couverture, de métadonnées variables et globales requises, de syntaxe de nom de fichier , etc.

Les données sont ensuite publiées sur la Earth System Grid Federation (ESGF), qui garantit une gestion des données solide et efficace. La boîte à outils esgprep ( https://esgf.github.io/esgf-prepare ) est un logiciel qui facilite la préparation des données conformément à la conformité CMIP6. Une fois qu'une simulation de modèle est validée et vérifiée, les fichiers netCDF sont migrés dans la structure de répertoires CMIP6 appropriée avec les commandes esgprep dans un espace partagé du système de fichiers. L'IPSL héberge un index ESGF avec tous les ensembles de données des simulations climatiques françaises et un nœud de données pour diffuser les ensembles de données des simulations climatiques IPSL. Les ensembles de données IPSL CMIP6 sont publiés sur le nœud de données ESGF à l'aide de l' esgpublish habituelligne de commande fournie par la pile de nœuds. Au cours du processus de publication, l'identifiant persistant (PID) inclus dans chaque fichier netCDF est stocké en permanence dans une base de données dédiée au Centre allemand de calcul climatique (DKRZ), ce qui permet de citer d'autres données.

3 Évaluation de la climatologie actuelle

Dans cette section, nous évaluons le climat actuel de l'IPSL-CM6A-LR par rapport à nos configurations phares CMIP5, IPSL-CM5A-LR et IPSL-CM5A-MR, en considérant les périodes récentes (c.-à-d. La période 1980-2005, si non autrement) de notre historiquesimulations. Les références (c.-à-d. Observations et / ou réanalyses) utilisées pour évaluer les modèles couvrent généralement la même période, mais peuvent parfois inclure quelques années après (comme ERA-Interim) ou avant (comme WOA13-v2). Nous soutenons que ne pas considérer exactement les mêmes périodes pour les simulations et les observations n'a qu'un impact mineur sur les résultats étant donné que (i) la variabilité interne du modèle n'est pas synchronisée avec celle des observations et (ii) les grandes éruptions volcaniques sont incluses dans les périodes considérées. La liste des variables de modèle évaluées et des ensembles de données par rapport auxquels elles sont évaluées est présentée dans le tableau  1 .

Tableau 1. Liste des variables du modèle évaluées et des ensembles de données par rapport auxquels elles sont évaluées
  CMIP6      
Variable variable   Point final Référence
nom complet nom court Produit couvert publication
Température de l'air à 2 m tas ERA provisoire 1980–2009 Dee et coll. ( 2011 )
Température 3D ta - - -
Vent zonal 3D ua - - -
Humidité spécifique 3D Hus - - -
Humidité relative 3D hur - - -
Pression au niveau de la mer slp ou psl - - -
Composante de vent zonale et méridienne de 10 m euh, vas - - -
Température de l'air à 850 et 200 hPa ta_850, ta_200 - - -
Composante éolienne zonale à 850 et 200 hPa ua_850, ua_200 - - -
Composante du vent méridien à 850 et 200 hPa va_850, va_200 - - -
Hauteur géopotentielle à 500 hPa zg_500 - - -
Précipitation pr GPCP 1979–2009 Adler et coll. ( 2018 )
Eau précipitable prw REMSS-PRW-v07r01 Janvier 1988 à janvier 2019 Mears et coll. ( 2018 )
Effet radiatif des nuages ​​à ondes longues rltcre CERES-EBAF 2000-2012 Loeb et al. (2018)
Shortwave cloud radiative effect rstcre
Upwelling shortwave at the top of atmosphere rsut
Upwelling longwave at the top of atmosphere rlut
Sea surface salinity sos WOA13‐v2 1975–2004 Locarnini et al. (2013)
Atlantic meridional overturning stream function msftyz Smeed et al. (2017) 2004–2017 Smeed et al. (2017)
Northward oceanic heat transport hfbasin Ganachaud and Wunsch (2003) 1985–1996 Ganachaud and Wunsch (2003)
 

Trente-deux membres ont été joués pour la période historique . La plupart des diagnostics ne sont pas qualitativement sensibles au choix du membre (lorsqu'on regarde essentiellement l'état moyen). Nous n'utilisons donc que le premier membre ( r1i1p1f1 ) dans les diagnostics et illustrons la dispersion au sein de l'ensemble pour certains des diagnostics. Nous présentons les variables les plus couramment utilisées en climatologie (comme la SST, la température de l'air en surface et les précipitations) et nous nous concentrons sur les variables qui sont affectées par le couplage entre LMDZ, NEMO et ORCHIDEE. Ainsi, nous ne répétons pas l'évaluation de variables proches de celles présentées dans l'article LMDZ6A AMIP (Hourdin et al., 2020a). Il y a eu de nombreux développements dans les différents composants du modèle; retracer l'évolution des biais vers des développements particuliers nécessite un cadre expérimental bien défini (Bodas-Salcedo et al., 2019 ) et des simulations supplémentaires que nous n'avons pas réalisées. Pour cette raison, nous concentrons cette étude sur l'évolution des biais entre les modèles IPSL-CM5 et IPSL-CM6. L'évaluation commence par les températures de surface (SST et température de l'air de surface) et suit avec les résultats pour l'atmosphère, l'océan et la glace de mer.

3.1 SST et températures de l'air à la surface

Nous évaluons d'abord la SST simulée par le modèle en gardant à l'esprit que la SST moyenne entre 50 ° S et 50 ° N a été ajustée pour correspondre aux observations de l' expérience pdControl . À cet égard, il convient de noter que, vers la fin du processus de développement, un biais légèrement négatif dans le modèle SST a été délibérément introduit, ainsi qu'un réglage de certains paramètres de la glace de mer, pour compenser en partie un biais négatif dans la glace de mer estivale. le volume. Les biais globaux dans le SST (Figure  1) ont été considérablement réduits entre les modèles IPSL-CM5A et IPSL-CM6A-LR. Une partie de l'amélioration est due au fait que IPSL-CM5A-LR a été réglé par inadvertance trop froid. Néanmoins, les améliorations sont également évidentes lorsque le biais moyen est soustrait (chiffres non représentés). L'anomalie négative de l'Atlantique Nord autour de 45 ° N associée à la position de la dérive de l'Atlantique Nord est légèrement réduite avec une valeur de - 4,3 ° C en IPSL-CM6A-LR, contre - 6,8 ° C en IPSL-CM5A-LR (avec la valeur prise comme température minimale de la boîte 60–15 ° W, 40–55 ° N). A titre de comparaison, cet indice varie de - 6,8 ° C à + 2,0 ° C (intervalle de 90%) avec une médiane d'environ - 3,8 ° C dans les modèles CMIP5, et varie de -7,1 ° C à + 1,1 ° C (intervalle de 90%) avec une médiane d'environ -3,7 ° C dans les modèles CMIP6. Nous émettons l'hypothèse que l'augmentation de la résolution horizontale (et la meilleure représentation de la topographie océanique qui l'accompagne) ainsi que l'amélioration de la circulation atmosphérique en LMDZ (notamment l'influence de l'orographie) ont contribué à améliorer la circulation océanique et la SST qui en résulte en la zone. Les biais chauds de la frontière Est ont également été réduits à la fois en étendue et en amplitude dans IPSL-CM6A-LR suite à l'amélioration de l'humidité de la couche limite et des nuages ​​stratocumulus dans ces zones (Hourdin et al., 2020a) et à un réglage minutieux des flux radiatifs. Pourtant, cette amélioration est moins nette dans l'Atlantique sud tropical. En plus de la moyenne globale et de la variation latitudinale, le contraste entre les bassins tropicaux de l'est et le reste des océans tropicaux a été utilisé comme cible, compte tenu des anomalies de l'océan tropical de l'Est (ETOA) définies par Hourdin et al. ( 2015 ). Une attention similaire a été accordée à la réduction des biais de SST latitudinaux classiques, qui contrebalance une tendance du modèle à produire des SST à latitudes moyennes trop froides et un biais chaud proche de l'Antarctique (par exemple, Wang et al., 2014 ). Dans le Pacifique Nord, un biais chaud (principalement pendant l'été) persiste au-dessus de l'océan dans IPSL-CM6A-LR. Ce biais est beaucoup moins visible sur la figure  1(panneaux du haut et du milieu) car comme indiqué ci-dessus, les versions CMIP5 étaient globalement trop froides. Des anomalies relatives montrent que le biais du Pacifique Nord était déjà présent, bien que légèrement plus faible. Ce biais, robuste à de nombreux tests qui ont été menés lors de la phase de réglage du modèle couplé, est également présent dans d'autres modèles climatiques CMIP5 et CMIP6 (non représentés). Son origine doit encore être étudiée. Le biais froid sur le Pacifique équatorial, autre défaut classique des modèles couplés, est renforcé dans IPSL-CM6A-LR.

image
Distribution mondiale du biais annuel moyen de température de surface de la mer (SST) (en ° C) pour IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau du milieu) et IPSL-CM6A-LR (panneau inférieur). Les biais sont calculés par rapport aux données du World Ocean Atlas (WOA13-v2 Locarnini et al., 2013 ). Les biais moyens globaux, les erreurs quadratiques moyennes (RMSE) et les coefficients de corrélation sont fournis pour chaque modèle.

Néanmoins, les biais SST contre les observations sont dans l'ensemble considérablement réduits, même en comparant à IPSL-CM5A-MR qui utilise la même grille horizontale atmosphérique que IPSL-CM6A-LR, avec une réduction de l'erreur quadratique moyenne (RMSE) de 1,4 à 0,975 et une augmentation du coefficient de corrélation de 0,986 à 0,988. Il est difficile d'évaluer la signification statistique de ces changements subtils. Cependant, on peut noter que la corrélation pour IPSL-CM5A-MR se situe en dehors de la plage des membres de l'ensemble IPSL-CM6A-LR (0,9875 à 0,9885).

Conformément à la discussion ci-dessus, il y a une réduction générale du biais de la température de l'air à la surface (notamment au-dessus de l'océan) de IPSL-CM5A-LR à IPSL-CM6A-LR (voir Figure  2 ). À l'échelle mondiale, l'augmentation de la résolution a certainement joué un rôle, comme on peut le voir en comparant IPSL-CM5A-LR et IPSL-CM6A-LR. Cependant, la différence entre IPSL-CM5A-MR et IPSL-CM6A-LR est largement attribuable aux améliorations de la physique du modèle et aux améliorations ultérieures du budget radiatif dans LMDZ (Hourdin et al., 2020a ) et à un réglage beaucoup plus systématique et meilleur. des paramètres clés du modèle dans IPSL-CM6A-LR afin d'ajuster les flux radiatifs.

image
Distributions des biais de la température de l'air à la surface (2 m) (en ° C) pour la moyenne annuelle (ANM; a, d, g), décembre-janvier-février (DJF; b, e, h) et juin- Juillet-août (JJA; c, f, i) pour IPSL-CM5A-LR (a, b, c), IPSL-CM5A-MR (d, e, f) et IPSL-CM6A-LR (g, h, je). Les cartes de biais sont calculées par rapport à la réanalyse ERA Interim (Dee et al., 2011 ).

Par rapport à IPSL-CM5A-MR, le biais chaud sur le bassin amazonien et l'Afrique tropicale est réduit dans IPSL-CM6A-LR. Cheruy et coll. ( 2020 ) attribuent l'amélioration à la réduction de la surestimation du rayonnement SO vers le bas à la surface. Le biais froid sur l'Asie (surtout en hiver) est plus fort dans IPSL-CM6A-LR que dans les modèles IPSL-CM5. Les changements de l'albédo de la neige chez ORCHIDEE sont susceptibles d'être à l'origine de cette amplification du biais par rapport à IPSL-CM5A-MR. Le nouveau schéma de neige améliore le réalisme des propriétés physiques du manteau neigeux (albédo, densité) en IPSL-CM6A-LR par rapport à IPSL-CM5A-MR. Cependant, en raison de forts couplages surface-atmosphère, la plus grande valeur de l'albédo de la neige semble annuler une compensation d'erreur précédente (Cheruy et al., 2020) et favorise une couverture neigeuse trop forte dans ces zones continentales. Une partie de cette carence estivale peut s'expliquer par le fait que la paramétrisation de l'albédo de la neige ne tient pas compte des effets d'ombrage dans les régions montagneuses, processus dont on pense qu'il réduit l'albédo de surface à l'échelle d'un quadrillage de modèle. Un fort biais négatif est en effet observé sur le Tibet y compris pendant l'été. Un développement de modèle pour tenir compte de l'impact de l'orographie sur l'albédo de surface est prévu pour une future version du modèle.

Dans les hautes latitudes septentrionales, les biais ont également largement changé, principalement en raison de la révision du schéma des couches limites qui permet plus de découplage dans des situations stables. Les modifications des paramètres orographiques à l'échelle du sous-réseau affectant la circulation atmosphérique, le modèle de glace de mer et le schéma de surface terrestre contribuent également au changement. Le biais chaud sur la partie nord du Canada a été réduit dans la moyenne annuelle. Il y a en fait une compensation d'un biais chaud en été et d'un biais froid en hiver dans IPSL-CM6A-LR qui remplace un biais chaud toute l'année dans IPSL-CM5A-MR (Figure  2). Les biais sur l'Arctique sont liés à la position de la lisière de la banquise et dépendent dans une certaine mesure du membre considéré. Cependant, un large biais chaud est constamment simulé en hiver sur l'Arctique.

Sur l'Antarctique intérieur, un biais froid peut être observé dans la température de l'air de surface IPSL-CM6A-LR en toutes saisons. Ce biais froid est susceptible de correspondre à un biais chaud diagnostiqué lors de la réanalyse de la température de surface à partir d'une comparaison avec les données de la station météorologique (Fréville et al., 2014 ; Jones & Lister, 2015 ), mais l'ampleur de ce biais froid (jusqu'à 8 ° C) dépasse le biais chaud de l'ERA (jusqu'à 5 ° C). Dans le LMDZ6, le schéma des couches limites a en effet été amélioré pour correspondre aux températures observées au Dôme C (Vignon et al., 2018 ). Le LMDZ5 avait tendance à empêcher le découplage de la surface de l'atmosphère dans des conditions très stables (Cheruy et al., 2020). Pour parvenir à une bonne concordance avec les observations, la glace she et albedo a également été modifiée dans IPSL-CM6A-LR à la suite de Grenfell et al. ( 1994 ).

Conformément à la réduction du biais de rayonnement SW, le fort biais d'été chaud dans les latitudes moyennes qui était partagé par de nombreux modèles participant au CMIP5 (Cheruy et al., 2014 ) est réduit dans la version CMIP6. Cependant, il reste présent dans des zones plus petites, en particulier dans le sud des grandes plaines. Dans ces régions, le biais résulte d'interactions complexes entre la surface terrestre et l'atmosphère, notamment par convection (Koster et al., 2004 ). Il est également probable que le manque de paramétrage des systèmes convectifs de propagation à méso-échelle qui sont connus pour se produire fréquemment dans la région contribue à ce biais (Moncrieff, 2019 ).

3.2 Variables atmosphériques

Dans cette section, nous présentons l'évaluation d'un ensemble de variables atmosphériques communes - à savoir, les précipitations de surface et le vent, la température et l'eau atmosphérique sur le diagnostic de la moyenne zonale - et concluons avec un ensemble de mesures d'évaluation obtenues avec le PCMDI Metrics Package (PMP Gleckler et al., 2016 ).

3.2.1 Structure atmosphérique

La température moyenne zonale et le vent zonal (figure  3 ) montrent une diminution du biais chaud sur l'Antarctique et du biais froid à 200 mb dans le vortex polaire aux deux pôles. Le biais à froid aux latitudes moyennes entre 850 et 400 mb était présent dans IPSL-CM5A-LR, a disparu dans IPSL-CM5A-MR mais réapparaît dans IPSL-CM6A-LR. L'amélioration la plus frappante concerne la circulation atmosphérique zonale (Figure  3, rangée du bas). Les jets subtropicaux étaient autrefois trop proches de l'équateur dans les deux modèles IPSL CMIP5. La différence de résolution entre IPSL-CM5A-LR et IPSL-CM5A-MR n'a conduit qu'à de légères améliorations. Malgré la même résolution horizontale que IPSL-CM5A-MR, IPSL-CM6A-LR a une bien meilleure circulation zonale avec des jets se déplaçant vers les pôles. Cette amélioration est principalement due aux changements de physique du modèle atmosphérique et à l'augmentation de la résolution verticale de 39 à 79 couches.

image
Température de l'air moyenne zonale et annuelle (rangée du haut, en ° C) et composante du vent zonale (rangée du bas, en m s −1 ) pour IPSL-CM5A-LR (colonne de gauche), IPSL-CM5A-MR (colonne du milieu) et IPSL -CM6A-LR (colonne de droite). Les contours noirs montrent la climatologie de la réanalyse ERA Interim (Dee et al., 2011 ), et le biais du modèle par rapport à ERA Interim est représenté par l'échelle de couleurs. La pression sur l'axe vertical est exprimée en Pa.

L'atmosphère est plus humide que dans les modèles précédents (Figure  4): L'humidité spécifique de l'IPSL-CM5A (à la fois LR et MR) était auparavant trop faible (c'est-à-dire correspondant à un biais sec) dans la basse troposphère sous les tropiques, et elle est maintenant légèrement plus grande (c'est-à-dire, correspondant à un biais) que dans ERA Interim. En termes d'humidité relative (HR), IPSL-CM6A-LR apparaît trop saturé par rapport à ERA Interim entre 30 ° et 60 ° de latitude (dans les deux hémisphères). Le biais HR humide dans la troposphère libre des latitudes moyennes était déjà présent dans une certaine mesure dans les versions précédentes. Ce biais est connu pour se réduire en partie avec l'augmentation de la résolution horizontale, comme l'illustre la comparaison des versions IPSL-CM5A-LR et IPSL-CM5A-MR, ainsi que la comparaison entre la grille horizontale LR et HighResMIP dans des simulations atmosphériques autonomes avec la version LMDZ6A (Hourdin et al., 2020a). La principale différence entre la version IPSL-CM6A-LR et IPSL-CM5A-LR / MR est la troposphère inférieure beaucoup plus humide, à environ 800 hPa. Ce changement est lié à la paramétrisation du transport de la couche limite vers le haut de la couche limite de l'air évaporé à la surface qui est beaucoup plus efficace avec le modèle de panache thermique dans la version IPSL-CM6A-LR qu'avec l'ancien schéma de diffusion tourbillonnaire. Cela a contribué à assécher l'air proche de la surface au-dessus de l'océan, en meilleur accord avec l'observation, mais a également entraîné un biais d'humidité dans la basse troposphère par rapport à ERA Interim. La distribution à l'échelle du sous-réseau de l'eau totale (vapeur et condensée) dans une grille en fonction de la hauteur peut également jouer un rôle à cet égard. 6 ).

image
Humidité spécifique moyenne zonale et annuelle (rangée du haut, en kg kg −1 ) et humidité relative (rangée du bas, en%) pour IPSL-CM5A-LR (colonne de gauche), IPSL-CM5A-MR (colonne du milieu) et IPSL -CM6A-LR (colonne de droite). Les contours noirs montrent la climatologie de la réanalyse ERA Interim (Dee et al., 2011 ), et le biais du modèle par rapport à ERA Interim est représenté par l'échelle de couleurs. La pression sur l'axe vertical est exprimée en Pa.

3.2.2 Précipitations de surface

En termes de précipitations, les biais sont généralement cohérents entre les trois versions du modèle (voir figure  5 pour les cartes globales), les principaux changements concernant les tropiques (voir figure  6 ).

image
Distribution globale des biais de précipitations moyennes annuelles (en mm jour -1 ) pour les modèles IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau du milieu) et IPSL-CM6A-LR (panneau inférieur). Les cartes de biais sont calculées par rapport au Global Precipitation Climatology Project (GPCP Adler et al., 2018 ).
image
Taux de précipitations annuel moyen (en mm jour -1 ) pour (a) GPCP, (b) IPSL-CM5A-LR, (c) IPSL-CM5A-MR et (d) IPSL-CM6A-LR dans la région tropicale. La climatologie est calculée sur la période 1980–2005 pour les modèles et 1980–2009 pour le GPCP (Adler et al., 2018 ).

Le Pacifique équatorial est plus sec en IPSL-CM6A-LR, renforçant un biais classique du modèle couplé, associé au biais SST négatif mentionné ci-dessus. Ce biais sec, particulièrement fort sur le Warm Pool, est probablement l'un des aspects les plus négatifs de cette nouvelle version de modèle. Une analyse préliminaire indique qu'elle peut être associée à une évaporation de surface réduite en conséquence de la modification du mélange de la couche limite par le modèle de panache thermique dans cette région. En revanche, les précipitations sur le continent maritime sont fortement surestimées. Cette forte surestimation, également présente dans les simulations atmosphériques autonomes, semble être liée aux paramètres des schémas de convection profonde, en particulier ceux prenant des valeurs différentes au-dessus de l'océan et au-dessus des terres, comme la vitesse verticale à la base des nuages ​​convectifs et le densité des piscines froides. Une analyse préliminaire suggère que l'amélioration de la zone de convergence du Pacifique Sud (SPCZ) semble être liée à l'activation du modèle de panache thermique et à une meilleure représentation des régimes convectifs peu profonds par rapport aux régimes convectifs profonds. Pendant ce temps, le problème de la soi-disant double zone de convergence intertropicale (ITCZ), avec des précipitations surestimées au sud de l'équateur sur le Pacifique Est, est moins prononcé dans la nouvelle version. Le problème du double ITCZ ​​est parfois associé à l'entraînement dans les nuages ​​convectifs (Oueslati & Bellon, avec des précipitations surestimées au sud de l'équateur sur le Pacifique Est, est moins prononcée dans la nouvelle version. Le problème du double ITCZ ​​est parfois associé à l'entraînement dans les nuages ​​convectifs (Oueslati & Bellon, avec des précipitations surestimées au sud de l'équateur sur le Pacifique Est, est moins prononcée dans la nouvelle version. Le problème du double ITCZ ​​est parfois associé à l'entraînement dans les nuages ​​convectifs (Oueslati & Bellon,2013 , 2015 ). Les précipitations sont globalement réduites sur la partie orientale des océans tropicaux en raison de la modification de la paramétrisation des nuages ​​stratocumulus et d'un réglage minutieux des paramètres qui contrôlent les précipitations dans ces nuages.

Les précipitations sont généralement augmentées dans les régions semi-arides comme le nord de l'Inde, le Sahel, l'Australie ou autour de la mer Méditerranée, en meilleur accord général avec les observations. Une autre amélioration majeure de la nouvelle version est la réduction des forts biais secs sur le bassin amazonien (comme indiqué ci-dessus).

Le taux de précipitation global est surestimé dans la dernière version du modèle, plus que dans les versions précédentes. Pour le CMIP5, la pluviométrie mondiale a été considérée comme une cible de réglage, et un effort important a été fait pour réduire la pluviométrie moyenne, qui autrement était généralement surestimée par le modèle IPSL, comme c'est le cas dans la plupart des modèles climatiques mondiaux. Cet objectif a été volontairement abandonné pour le réglage de l'IPSL-CM6A-LR, ce qui explique en grande partie la surestimation de 0,3 mm jour -1 du taux de précipitation global (environ 10 %de la valeur observée). Ce biais positif dans les précipitations moyennes mondiales est commun à de nombreux autres modèles. Il ne peut être exclu que cette surestimation soit en partie due à une sous-estimation du taux de précipitations observé attribuable à une sous-estimation des pluies légères sur les océans tropicaux (Berg et al., 2010 ; Hourdin et al., 2020a ; Stephens et al., 2012 ).

3.2.3 Statistiques récapitulatives à grande échelle du PMP

Cette section fournit une vue synthétique générale de l'évolution de la climatologie de l'atmosphère des modèles IPSL entre CMIP5 et CMIP6. Nous avons utilisé le PCMDI Metrics Package (PMP) pour calculer un ensemble de mesures de performance à grande échelle (Gleckler et al., 2008 ), également appelées statistiques sommaires, pour résumer l'accord entre le climat simulé par le modèle sur la période récente et un ensemble de références (observations et réanalyse, comme indiqué dans le tableau  1 ). Graphique  7 montre les résultats pour les variables atmosphériques les plus courantes: température de l'air à 2 m (tas), précipitations de surface (pr), eau précipitable (prw), pression au niveau de la mer (psl), rayonnement à ondes courtes ascendantes (rsut) et ondes longues (rlut) au sommet de l'atmosphère, effet radiatif des nuages ​​au sommet de l'atmosphère sur le rayonnement ondes longues (rltcre) et ondes courtes (rstcre), la température, le vent zonal et méridien à 850 mb (ta850, ua850 et va850) et à 200 mb (ta200, ua200 et va200) et hauteur géopotentielle à 500 mb (zg500).

image
Mesures globales résumant les performances des membres IPSL-CM6A-LR de l'ensemble historique (lignes bleues) par rapport à IPSL-CM5A-LR (ligne rouge), IPSL-CM5A-MR (ligne verte) et l'ensemble multimodèle CMIP5 (lignes grises ). Les mesures concernent l'erreur quadratique moyenne mensuelle spatio-temporelle globale (panneau supérieur), le biais moyen annuel global (panneau du milieu) et la corrélation spatiale sur le champ moyen annuel (panneau inférieur) pour 17 variables atmosphériques (voir le nom complet du variables du tableau  1 ). Les statistiques sont calculées pour les modèles sur la climatologie 1980–2005 par rapport aux ensembles de données de référence énumérés dans le tableau  1 . Notez que la période de référence pour les ensembles de données d'observation peut être différente de la période indiquée dans le tableau  1, par exemple, 1989–2009 pour ERA Interim, janvier 1979 à avril 2018 pour GPCP et 2000–2018 pour CERES-EBAF. Chaque modèle est représenté par une ligne qui relie les valeurs de la métrique obtenue pour les différentes variables du modèle (axes verticaux). Pour plus de lisibilité, les colonnes sont triées de manière à ce que la ligne reliant les résultats IPSL-CM5A-MR monte de gauche à droite. Les métriques ont été calculées avec le PCMDI Metrics Package (PMP Gleckler et al., 2016 ).

Nous affichons les résultats des métriques à l'aide de tracés de coordonnées parallèles, ce qui présente l'avantage d'afficher des résultats bruts et d'éviter la nécessaire normalisation du tracé de portrait (Gleckler et al., 2008 ). Par souci de lisibilité, les variables sont triées pour afficher les résultats par ordre croissant de performance pour le modèle IPSL-CM5A-MR. Les membres individuels de l'IPSL-CM6A-LR (lignes bleues) sont regroupés, aucun membre de l'ensemble ne sortant du lot. Pour la grande majorité des métriques, les résultats pour IPSL-CM5A-LR (ligne rouge) et IPSL-CM5A-MR (ligne verte) sont hors de la diffusion de l'ensemble IPSL-CM6A-LR, démontrant une différence de climatologie qui ne peut s’expliquer par la variabilité interne. Le RMSE calculé sur le globe sur les 12 mois du cycle annuel climatologique (Figure 7 , panneau supérieur) a diminué pour toutes les variables à l'exception de ta_850 et zg_500. Pour de nombreuses variables (va_200, ua_200, psl, va_850, ua_850, rsut, rlut, rstcre et rltcre), l'erreur a considérablement diminué par rapport à IPSL-CM5A-MR et se situe dans ou en bas de la plage du modèle CMIP5. Le biais global n'a pas nécessairement diminué pour toutes les variables. L'atmosphère plus froide de l'IPSL-CM6A-LR par rapport à l'IPSL-CM5A-MR illustrée à la Figure  3explique les biais négatifs plus élevés pour ta_850 et ta_200. Pour tas, IPSL-CM6A-LR est un peu plus froid que IPSL-CM5A-MR mais montre toujours les avantages d'un meilleur réglage par rapport à IPSL-CM5A-LR (qui était beaucoup plus froid). Le biais global pour le vent méridien à 200 mb (va_200) a également augmenté (il est plus positif), alors qu'il n'est que légèrement plus négatif à 850 mb (va_850), et beaucoup plus proche de 0 pour le vent méridien de surface (vas) . Pour zg_500 le biais a augmenté (il est plus négatif) en raison d'une réduction générale de l'altitude du géopotentiel à ce niveau standard, sur l'ensemble du globe sauf l'Antarctique (non représenté). Le biais global pour le rayonnement ascendant à ondes courtes et à ondes longues au sommet de l'atmosphère a légèrement augmenté en valeur absolue (en fait proche de IPSL-CM5A-LR). Cela n'a pas vraiment changé pour prw, uas et va_850. L'augmentation des biais pour ta_850 et zg_500 explique en partie le RMSE relativement plus important pour ces variables. L'amélioration est également frappante lorsque l'on regarde les coefficients de corrélation (Figure 7 , panneau du bas) avec toutes les variables présentant des corrélations plus élevées en termes de leurs tendances moyennes annuelles.

3.3 Variables océaniques

Cette section évalue le modèle en termes de salinité de surface de la mer (SSS), le profil de température vertical global, la structure de la circulation méridienne de renversement de l'Atlantique (AMOC) et la profondeur de la couche mixte (MLD), le transport de chaleur méridien et un ensemble de transports de masse à travers des transects clés (figures  8–15 - 8–15 ).

image
Distribution mondiale des biais de salinité de surface de la mer (SSS, en% 0) dans la moyenne annuelle pour IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau du milieu) et IPSL-CM6A-LR (panneau du bas). Les biais sont calculés par rapport aux données du World Ocean Atlas (WOA13-v2 Locarnini et al., 2013 ).
image
Distribution de la latitude-profondeur du biais de température globale zonale moyenne de l'océan (° C) pour IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau du milieu) et IPSL-CM6A-LR (panneau inférieur). Les biais sont calculés par rapport aux données du World Ocean Atlas (WOA13-v2 Locarnini et al., 2013 ) sur la période 1955-2015.
image
Maximum mensuel annuel de la profondeur de la couche mixte (MLD, en m) dans l'Atlantique Nord pour la reconstruction de de Boyer Montégut et al. ( 2004 ; panneau supérieur gauche), IPSL-CM5A-LR et IPSL-CM5A-MR (panneaux supérieur central et droit), et pour trois membres historiques IPSL-CM6A-LR: le premier membre ( r1i1p1f1 , panneau inférieur gauche), un élément identifié visuellement avec une couche mélangée peu profonde ( r8i1p1f1 , panneau central inférieur), et un élément identifié visuellement avec une couche mélangée profonde ( r12i1p1f1 , panneau inférieur droit).
image
Identique à la figure  10 mais pour l'océan Austral. Pour IPSL-CM6A-LR, le panneau inférieur gauche est également r1i1p1f1 , le panneau central inférieur est le membre visuellement identifié avec une couche mélangée peu profonde ( r3i1p1f1 ) et le panneau inférieur droit est le membre identifié visuellement avec une couche mélangée profonde ( r17i1p1f1 ).
image
Profil vertical de la fonction de retournement méridien (en Sv) à 26 ° N dans l'océan Atlantique pour IPSL-CM6A-LR (ligne rouge), IPSL-CM5A-LR (ligne bleu foncé), IPSL-CM5A-MR (bleu clair line) et les observations RAPID-WATCH (ligne noire Smeed et al., 2017 ).
image
Fonction de renversement méridien de l'Atlantique (en Sv) pour IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau central) et IPSL-CM6A-LR (panneau inférieur) en fonction de la profondeur et de la latitude, en moyenne sur la période 1980–2005.
image
Fonction de flux barotrope (en Sv) pour IPSL-CM5A-LR (panneau supérieur), IPSL-CM5A-MR (panneau central) et IPSL-CM6A-LR (panneau inférieur).
image
(a) Transport thermique méridien mondial et (b) de l'océan Atlantique (en PW) pour IPSL-CM5A-LR (ligne bleu foncé), IPSL-CM5A-MR (ligne bleu clair) et IPSL-CM6A-LR (ligne rouge) sur la période 1980–2005 et observations directes correspondantes (étoiles noires avec barres d'erreur) de Ganachaud et Wunsch ( 2003 ).

3.3.1 SSS

La climatologie du SSS montre de nombreuses évolutions depuis IPSL-CM5A-LR (voir Figure  8 ). Dans l'ensemble, le SSS est globalement réduit. Cela correspond à une augmentation relative des précipitations dans les bassins subtropicaux. Dans l'océan Atlantique, cela se traduit par une réduction du biais positif dans les régions subtropicales et une augmentation du biais frais dans les latitudes subpolaires. Une diminution du SSS est également visible dans l'océan Pacifique Sud et l'océan Austral. Le biais négatif autour de l'Indonésie est corrigé dans IPSL-CM6A-LR malgré une surestimation des précipitations localement. Cela peut être dû à l'amélioration des échanges entre les océans Pacifique et Indien (voir le transport en indonésien Throughflow dans le tableau  2). Les parties nord et tropicale de l'océan Pacifique sont un peu plus salées en IPSL-CM6A-LR par rapport à IPSL-CM5A-MR, ce qui est cohérent avec la réduction des précipitations dans la région.

Tableau 2. Transports de masse (en Sv) à travers une sélection de transects clés de l'océan mondial tels que définis dans Griffies et al. ( 2016 )
Transect IPSL-CM5A-LR IPSL-CM5A-MR IPSL-CM6A-LR Observations
Ouverture de Barents - 0,89 - 0,059 4,06 2,0
Détroit de Béring 1,09 1.13 1,17 0,8
Détroit du Danemark - 5,47 - 5,73 - 5,26 −3,4 ± 1,4
Passage de Drake 101,46 109,2 150,87 136,7 ± 6,9
Détroit de Fram 0,009 - 0,86 - 3,59 −2 ± 2,7
Débit indonésien - 10,72 - 11,17 - 13,60 - 15
Canal du Mozambique - 27,96 - 27,21 - 23,22 - 16,7 ± 8,9
  • Remarque . Dans les trois configurations de modèle, les transports sont calculés sous forme de moyennes temporelles sur la période 1980–2005 des simulations historiques ( membre r1i1p1f1 ). Les transports de masse sont comptés positivement vers l'est et vers le nord. Les observations proviennent de Griffies et al. ( 2016 ) et les références y figurant.
 

3.3.2 Profil vertical de la température

Le profil vertical de la température en fonction de la latitude a fortement évolué entre IPSL-CM5A et IPSL-CM6A-LR (Figure  9 ). Dans l'ensemble, les biais sont plus importants dans IPSL-CM6A-LR que dans IPSL-CM5A, sauf au nord de 60 ° N, où des anomalies chaudes sont présentes dans toutes les versions. L'IPSL-CM6A-LR présente des anomalies de température négatives dans l'océan Austral et globalement en dessous de 1500 m et des anomalies positives au-dessus, sauf près de la surface (voir la discussion sur la SST à la section  3.1 ). Les changements dans l'océan Austral sont vraisemblablement associés à une augmentation de la ventilation océanique autour de l'Antarctique (Figure  11 ) et à des anomalies locales de température de l'air de surface négatives en hiver (Figure  2i). Les masses d'eau ventilées froides pénètrent globalement dans l'océan profond jusqu'à une profondeur de 2000 m. Ci-dessus, les anomalies de température sont positives, reflétant le fait que le modèle est globalement plus chaud en IPSL-CM6A-LR par rapport à IPSL-CM5A. De plus, le modèle forme vraisemblablement trop d'eau modale, comme on le trouve dans de nombreux autres modèles climatiques (Stouffer et al., 2017 ). Un biais froid est également visible dans les eaux de surface subtropicales, reflétant la SST relativement froide (voir Figure  1). Dans l'ensemble, cela peut être interprété comme une stratification thermocline (de surface) plus forte (plus faible) aux latitudes moyennes dans IPSL-CM6A-LR. Dans quelle mesure cette stratification plus forte est le résultat du réglage de la configuration eORCA1 utilisée ici, ou d'une caractéristique robuste de l'état moyen en IPSL-CM6A-LR compte tenu des autres composantes du modèle climatique, reste à clarifier.

3.3.3 Structure de l'AMOC et du MLD

Passons maintenant à la circulation générale océanique et à l'AMOC en particulier. La stratification thermocline excessive mentionnée ci-dessus aux latitudes moyennes se traduit par un pincement du membre supérieur de l'AMOC dans l'océan Atlantique (figure  12 ). En effet, à 26 ° N, les observations RAPID-WATCH suggèrent un retournement maximum autour de 1000 m de profondeur, alors qu'il est atteint à 700 m de profondeur en IPSL-CM6A-LR. À cet égard, le profil vertical était plus réaliste dans les configurations IPSL-CM5A, mais avec une amplitude moindre. Notez que toutes les versions d'IPSL-CM présentent une sous-estimation du maximum AMOC à 26 ° N (d'environ 25% en IPSL-CM6A-LR), un biais commun à de nombreux modèles climatiques à résolution grossière en l'absence de paramétrage de débordement ( Danabasoglu et al., 2014). Cela peut s'expliquer en partie par la différence de période de temps utilisée dans cette comparaison (2004–2017 pour les observations par rapport à 1980–2005 pour les modèles). Cependant, il est plus probable que cela soit dû à des biais dans les précipitations dans l'Atlantique Nord et / ou à la représentation des débordements et des courants aux limites occidentales, ce qui reste un défi dans la modélisation du climat.

Le profil AMOC à 26 ° N illustre également le volume excessif de masses d'eau profonde froide qui apparaît sur la figure  9 : la fonction du cours d'eau change de signe à une profondeur d'environ 2800 m en IPSL-CM6A-LR contre 4500 m en observations. Néanmoins, la force de la cellule de retournement profond est réaliste, et l'étendue latitudinale de cette cellule se compare bien avec les versions précédentes du modèle (Figure  13). En particulier, le contour zéro de l'AMOC à environ 2500 m de profondeur, est très horizontal à toutes les latitudes, une caractéristique des trois configurations du modèle. Au-dessus de ce contour, la cellule AMOC positive, est au maximum autour de 40 ° N en IPSL-CM6A-LR, comme dans les versions précédentes du modèle. Ce maximum atteint environ 14 Sv en IPSL-CM6A-LR, ce qui est nettement plus important qu'auparavant. Cela peut être lié au fait que la production d'eau dense dans IPSL-CM6A-LR est différente de celle des versions précédentes (Figure  10). Dans IPSL-CM5A, des couches mixtes profondes se trouvent au sud de l'Islande et au sud du Groenland, ce qui n'était pas réaliste. Ce biais dans IPSL-CM5A est associé à une glace de mer hivernale trop étendue dans le Labrador et les mers nordiques. Dans IPSL-CM6A-LR, les couches mixtes profondes sont confinées à la mer du Labrador et aux mers nordiques, qui sont proches des emplacements observés. Pourtant, lorsqu'on regarde d'autres membres de l'ensemble historique, il apparaît clairement qu'il y a une variabilité substantielle dans la convection profonde de l'Atlantique Nord dans ce modèle (Figure  10 , les trois panneaux de la rangée du bas).

La convection profonde dans les mers nordiques peut être directement liée au renforcement du membre supérieur de l'AMOC dans IPSL-CM6A-LR au nord de 60 ° N (Figure  13 , bien que la fonction du cours d'eau à ces latitudes ait été intégrée le long des lignes de grille du modèle déformées) . Le transport vers le nord à travers l'ouverture de Barents est également plus intense dans IPSL-CM6A-LR par rapport aux versions précédentes, de même que le flux de retour à travers le détroit de Fram (tableau  2 ). Cela peut être interprété comme des échanges plus intenses entre l'Atlantique Nord et l'Arctique, ce qui est susceptible d'affecter la glace de mer là-bas (voir ci-dessous).

Dans IPSL-CM6A-LR, la convection profonde dans l'hémisphère sud est également très intense, bien plus que dans les modèles IPSL-CM5A. Il existe d'importantes incertitudes d'observation liées aux estimations de MLD (Pellichero et al., 2017 ). Cependant, cette convection est peut-être surestimée dans IPSL-CM6A-LR (Figure   11 ). Cela fournit des masses d'eau froide qui envahissent l'océan profond et renforce les gradients de densité méridionale dans l'océan Austral, induisant un très fort courant circumpolaire antarctique (tableau  2 , passage de Drake). Cela constitue une différence majeure dans la fonction du flux barotrope - et dans la circulation horizontale globale - entre IPSL-CM5A et IPSL-CM6A-LR (Figure  14 ).

L'une des principales influences de l'océan sur le climat mondial est le transport de chaleur méridienne. Cette quantité est plus proche des observations en IPSL-CM6A-LR par rapport aux versions précédentes (Figure  15a ), ce qui constitue une amélioration substantielle. Cependant, une forte convergence de chaleur à 40 ° S subsiste, une caractéristique qui était déjà présente dans les versions de modèle IPSL-CM5A mais qui risque d'être irréaliste. Les observations directes à cette latitude ne sont pas disponibles, mais l'opinion courante est que le transport de chaleur méridional mondial se fait vers le sud dans tout l'hémisphère sud (Trenberth & Caron, 2001), ce qui n'est pas le cas de nos modèles. Ceci semble être lié au fort gradient méridional de densité à cette latitude, en particulier dans l'océan Atlantique, conséquence d'une formation excessive d'eau modale vers le nord, comme décrit ci-dessus. Nous observons également un transport de chaleur anormal vers le nord à 50 ° S dans IPSL-CM6A-LR, vraisemblablement lié à la formation d'eau trop dense au sud.

Dans l'hémisphère nord, le transport de chaleur vers le nord dans IPSL-CM6A-LR est plus important que dans les versions IPSL-CM5A. Néanmoins, la valeur simulée reste légèrement sous-estimée à la latitude où des observations directes sont disponibles (24 ° N). Plus au nord, il est très similaire aux observations, mais cela est dû à une contribution surestimée de l'océan Pacifique (non représentée). Cela pourrait être en partie responsable des anomalies positives de SST trouvées dans le Pacifique Nord (Figure  1 ).

Dans l'océan Atlantique, le transport de chaleur méridien reste sous-estimé à toutes les latitudes, en particulier aux latitudes tropicales (Figure  15b ). Pourtant, ce biais est bien réduit dans IPSL-CM6A-LR par rapport aux versions IPSL-CM5A, ce qui contribue vraisemblablement à réduire les biais SAT en Europe et en Afrique du Nord (Figure  2 ).

3.4 Glace de mer

La glace de mer arctique était l'une des cibles considérées lors du processus de réglage (Hourdin et al., 2020a ). Nous avons ciblé environ 20 000 km 3 de volume moyen annuel de glace de mer arctique préindustrielle et avons finalement obtenu un peu plus, généralement dans une plage de 20 000 à 25 000 km 3 , beaucoup moins que pour IPSL-CM5A-LR, mais un peu plus que pour IPSL-CM5A- M. Nous visions également un cycle saisonnier de couverture de glace dans notre expérience pdControl qui était globalement cohérent avec les observations dans les deux hémisphères. Le volume de la glace de mer antarctique n'a pas été spécifiquement pris en compte lors de la phase de réglage. Dans l'ensemble, nous obtenons une simulation raisonnablement réaliste de la glace de mer, significativement améliorée par rapport à IPSL-CM5A-LR.

Dans l'hémisphère nord, il y a moins de glace de mer dans IPSL-CM6A-LR que dans les deux modèles IPSL-CM5A, ce qui se traduit généralement par une meilleure concordance avec les données satellitaires (Figure  16 ). Les causes possibles sont un meilleur réglage (Massonnet et al., 2018 ), une résolution du modèle plus élevée et une physique glace-océan plus élaborée (Uotila et al., 2017 ; Vancoppenolle et al., 2009).). L'étendue et la superficie de la glace de mer hivernale dans IPSL-CM6A-LR sous-estiment légèrement les extractions par satellite, mais restent dans l'incertitude d'observation. Au niveau régional, il y a un manque de glace de mer hivernale dans la mer d'Okhotsk, associé à des températures de l'air chaud, et moins de glace que ce qui est observé dans la mer de Barents. La superficie et l'étendue de l'été sont généralement inférieures à celles observées, mais restent dans l'incertitude d'observation. La décomposition estivale excessive de la glace se produit sur le plateau sibérien.

image
Série chronologique de diagnostics intégrés de la glace de mer (superficie, étendue - à la fois en 10 6  km 2 - et en volume - en 10 3  km 3 ) sur l'hémisphère nord. (a) La zone de glace de mer est l'intégrale de la fraction de glace dans une région donnée - ici l'hémisphère nord. (b) L'étendue de la glace est la superficie totale comprise dans le contour de la fraction de glace de mer à 15%. (c) Le volume de glace est l'intégrale de la fraction de glace multipliée par l'épaisseur. Simulations IPSL-CM6A-LR disposent l' historique r1i1p1f1 membre en noir, l' autre historiqueles membres de l'ensemble sont en gris (intervalle de confiance de 16 à 85%) et le scénario sélectionné s'exécute en couleur. La plage de confiance de 16 à 85% est également indiquée pour IPSL-CM5A-LR (bleu) et IPSL-CM5A-MR (orange), pour les exécutions historiques et RCP8.5. Les symboles représentent des extractions passives par satellite hyperfréquence à partir de trois algorithmes différents: Nasa Team (Cavalieri et al., 1996 ), Bootstrap (Comiso, 1996 ) et OSI-SAF (EUMETSAT Ocean and Sea Ice Satellite Application Facility, 1996 ). Les courbes supérieure et inférieure correspondent respectivement à mars et septembre.

Si l'on considère à la fois la superficie et l'étendue de la glace de mer, l'amplitude du cycle saisonnier semble se situer dans la fourchette haute. Le volume moyen annuel et son cycle saisonnier se situent dans la plage d'observation assez large (Massonnet et al., 2018 ). Il existe des fluctuations décennales simulées notables du volume de glace de mer.

Dans l'hémisphère sud, IPSL-CM6A-LR s'améliore globalement par rapport aux deux modèles CMIP5 précédents, en particulier en été (Figure  17 ). L'étendue de la glace de mer en hiver est surestimée de 1 à 2 millions de kilomètres carrés, la superficie de glace de mer encore plus. Cela met en évidence le biais classique à forte concentration des modèles actuels de glace de mer. L'étendue et la superficie de l'été se situent dans la plage d'incertitude. En conséquence, l'amplitude du cycle saisonnier de la couverture de glace de mer superficielle semble être quelque peu surestimée. Le volume de glace de mer varie entre 5 000 et 25 000 km 3 selon la saison en climat préindustriel, ce qui est beaucoup plus élevé que dans nos modèles CMIP5. C'est surtout la glace de mer hivernale qui diminue au 21e siècle. La glace de mer estivale diminue également, mais moins clairement.

image
Identique à la figure  16 mais pour l'hémisphère sud. Les courbes supérieure et inférieure correspondent respectivement aux mois de septembre et février.

3.5 Évaluation du modèle du point de vue CMIP5

Pour compléter l'évaluation ci-dessus de la climatologie du modèle, nous revisitons maintenant les recommandations pour CMIP6 faites par Stouffer et al. ( 2017 ) sur la base des résultats d'une enquête réalisée après l'exercice CMIP5. L'un des principaux défis scientifiques auxquels est confrontée la communauté de la modélisation du climat (rapporté pour la première fois dans Meehl et al., 2014 ) est en effet de comprendre «[…] les origines et les conséquences des biais systématiques des modèles». Stouffer et coll. ( 2017) a énuméré six principaux biais du modèle de longue durée (à travers les différents exercices CMIP) de l'enquête comme principaux points à améliorer: (1) le double ITCZ; (2) la circulation de Walker, le biais du bassin amazonien sec et la variabilité tropicale; (3) les nuages ​​bas tropicaux et subtropicaux et le biais chaud de la frontière est; (4) une thermocline tropicale trop profonde; (5) surfaces continentales trop chaudes et trop sèches pendant l'été; et (6) la position du jet subtropical de l'hémisphère sud. Dans cette dernière sous-section de l'évaluation de la climatologie actuelle du modèle, nous illustrons comment certains de ces biais ont évolué entre IPSL-CM5A et IPSL-CM6A-LR afin de centrer l'évaluation du modèle sur les problèmes identifiés pour la communauté CMIP. .

Nous utilisons les diagnostics décrits dans les sections précédentes ainsi qu'un ensemble de paramètres d'évaluation à grande échelle (figures  18–21 - 18–21 ) présentés dans le contexte d'autres modèles climatiques CMIP5 et CMIP6. A noter que seuls les modèles CMIP6 disponibles sur l'ESGF au moment de la rédaction de cette étude ont été pris en compte. Toutes les sorties du modèle ont été réaffûtées au même 3 ° × régulier  Grille de longitude-latitude de résolution de 2 ° avant d'évaluer les biais moyens mondiaux et RMSE par rapport aux observations. Le classement des modèles montre une amélioration constante mais variable de IPSL-CM6A-LR par rapport à IPSL-CM5 pour les métriques présentées dans les figures et discutées ci-dessous. Certaines de ces mesures ont été prises en compte lors du processus de réglage du modèle; par conséquent, leur amélioration est attendue. C'est le cas des métriques radiatives (OLR et OSR sur la figure  18 et les effets radiatifs des nuages ​​SW et LW sur la figure 19) même si les métriques utilisées pour le réglage ne sont pas exactement les mêmes que celles présentées ici. En effet, ce n'est pas le RMSE sur le cycle saisonnier (considéré comme une métrique dans les parcelles multimodèles) qui a été utilisé pour le réglage mais plutôt sa dépendance latitudinale ainsi que les contrastes entre les océans tropicaux de l'Est et le reste des tropiques (Hourdin et al., 2020a ). La plupart de la procédure de réglage visait à réduire les principaux biais SST régionaux. Ainsi, le RMSE réduit sur le SST est clairement le résultat du processus de réglage.

image
Biais (croisements) et erreurs quadratiques moyennes (RMSE, cercles fermés) par rapport aux observations de SST moyennées sur la région latitudinale 65 ° S à 65 ° N (en ° C), rayonnement ondes courtes sortant (OSR, en W m -2 ) et le rayonnement à ondes longues sortant (OLR, en W m −2) pour les modèles CMIP5 (en vert), y compris les modèles IPSL-CM5A-LR et IPSL-CM5A-MR (en bleu) et IPSL-CM5B-LR (en violet) et CMIP6 (en noir), y compris IPSL-CM6A-LR (en rouge ). Les moyennes des scores pour les modèles CMIP5 et CMIP6 sont respectivement indiquées par <CMIP5> et <CMIP6>. Les modèles sont classés en fonction de leur RMSE. <CMIP5> est affiché comme une plage par échantillonnage aléatoire d'un nombre équivalent de modèles CMIP6. Le RMSE est calculé sur le cycle saisonnier moyen pour la période 1979–2005 par rapport à la SST à partir de l'ensemble de données input4MIPs et aux flux radiatifs de CERES-EBAF. Afin de comparer des modèles avec différentes résolutions natives, les champs sont d'abord interpolés sur une  grille régulière 3 °  × 2 ° avec un schéma de regridding conservateur avant de calculer la RMSE moyenne globale par rapport aux observations.
image
Identique à la figure  18 mais pour l'effet radiatif des nuages ​​à ondes courtes (SW CRE, en W m -2 ), l'effet radiatif des nuages ​​à ondes longues (LW CRE, en W m -2 ) et les précipitations (PR, en mm jour -1 ). Le RMSE et les biais sont calculés en fonction des flux radiatifs du CERES-EBAF et des précipitations du GPCP.
image
Identique à la figure  18 mais pour le double indice ITCZ ​​(DI Pacifique, en mm jour -1 ), les précipitations du Pacifique (en mm jour -1 ) et les précipitations amazoniennes (en mm jour -1 ). L'indice DI Pacifique est la moyenne annuelle des précipitations sur le sud-est de l'océan Pacifique dans la région [150–100 ° W, 20–0 ° S] (ce diagnostic est effectué sur la grille native). Les précipitations du Pacifique sont en moyenne annuellement sur la région [150 ° E à 100 ° W, 40 ° S à 40 ° N]. Les précipitations amazoniennes sont moyennées annuellement sur la région [65–50 ° W, 15–0 ° S]. La carte montre le biais de précipitation CMIP6 moyenné multimodèle, qui a guidé le choix des régions pour calculer les indices.
image
(panneaux de gauche et du milieu) Moyenne des biais de température près de la surface de juin-juillet-août (JJA) (en ° C) pour les simulations AMIP (cercles) et historiques (signes plus) moyennées sur une Amérique du Nord [105-80 ° W, 35–50 ° N] et une région eurasienne [23–92 ° E, 45–58 ° N]. La carte montre le biais de température proche de la surface CMIP6 JJA moyenné multimodèle, qui a guidé le choix des régions pour calculer les indices. (panneau de droite) Identique à la figure  18 mais pour la latitude du jet de l'hémisphère sud. La polarisation est calculée à partir de l'année et par zones moyenne du vent près de la surface en urn: x-wiley: jame: media: jame21147: jame21147-math-0002tant que moyenne pondérée de la latitude φ sur [70 ° S, 10 ° S] latitudinal bande: urn: x-wiley: jame: media: jame21147: jame21147-math-0003. Le RMSE sur ce graphique est calculé directement à partir de urn: x-wiley: jame: media: jame21147: jame21147-math-0004. La climatologie de référence du vent près de la surface est tirée de la réanalyse ERA-Interim.

La pluviométrie et la position des jets n'ont pas été directement considérées comme des objectifs de réglage car les résultats ont été considérés comme suffisamment raisonnables dès le début, mais si cela n'avait pas été le cas, des travaux ou des réglages supplémentaires auraient probablement été effectués dans cette direction. Concernant le biais pluviométrique moyen dans la version IPSL-CM6A-LR, nous avons déjà mentionné qu'il avait été abandonné comme cible de réglage, expliquant le biais accru par rapport à IPSL-CM5A et IPSL-CM5B. Cependant, le biais de IPSL-CM6A-LR n'est que légèrement plus grand que le biais moyen des modèles CMIP6. Le RMSE a légèrement diminué en raison de la combinaison des diminutions régionales et des augmentations des erreurs, comme indiqué ci-dessus.

Pour en revenir aux six points énumérés par Stouffer et al. ( 2017 ), les commentaires suivants peuvent être faits:
  • Les progrès réalisés sur le double ITCZ, bien que n'étant pas un objectif de réglage, sont illustrés sur les cartes des climatologies des précipitations moyennes annuelles sur la figure  6 et sur les scores indiqués sur la figure  20 . On constate que la branche sud de la double ITCZ ​​dans la partie orientale du bassin tropical du Pacifique (ainsi que dans l'Atlantique tropical) s'est affaiblie en IPSL-CM6A-LR par rapport aux modèles IPSL-CM5A. Les scores de la figure  20(panneau de gauche) montrent l'amélioration du Double ITCZ ​​Pacific Index, IPSL-CM6A-LR (en rouge) se rapprochant de la valeur observée. Il faut cependant remarquer que cette amélioration s'accompagne d'un renforcement d'un autre biais classique sur l'océan Pacifique, consistant en une langue froide et sèche sur l'équateur qui s'étend trop à l'ouest vers le continent maritime.
  • Concernant la circulation de Walker, le biais du bassin amazonien sec et la variabilité tropicale, nous fournissons des preuves d'une réduction du biais du bassin amazonien sec dans la section  3.2.2 et la figure  20 . Nous supposons que l'amélioration provient d'un mélange de meilleures paramétrisations des processus locaux pertinents et d'une représentation plus réaliste des modèles régionaux du budget radiatif, car les téléconnexions sont connues pour influencer les précipitations en Amérique du Sud tropicale (Yin et al., 2013 ).
  • Le biais chaud de la frontière est ainsi que les biais de nuages ​​bas subtropicaux ont également été réduits et constituent clairement l'une des améliorations majeures de IPSL-CM6A-LR (comme indiqué dans la section  3.1 ). Cette réduction est en grande partie liée à l'amélioration de la représentation des cumulus et stratocumulus dans le LMDZ (Hourdin et al., 2019b ) et à un réglage minutieux des flux de chaleur radiatifs et latents à la surface des océans tropicaux.
  • En ce qui concerne le biais chaud estival sur les continents, IPSL-CM6A-LR ne montre pratiquement aucune amélioration par rapport à IPSL-CM5A-LR mais une nette amélioration par rapport à IPSL-CM5B-LR (voir les figures  2c , 2f et 2i ). Plus important encore, le biais chaud est bien réduit dans les simulations d' amip IPSL-CM6A-LR pour les deux régions illustrées sur la figure  21 . Il est donc clair que le manque d'amélioration entre IPSL-CM5A-LR et IPSL-CM6A-LR est dû au biais à froid général introduit par le réglage dans l'ancienne version. Le biais chaud est réduit en raison d'un flux radiatif à ondes courtes amélioré - mais toujours pas parfait - à la surface (Cheruy et al., 2014 , 2020). Sur les Grandes Plaines du Sud, la complexité des interactions terre-atmosphère ainsi que la difficulté de représenter l'activité convective (Van Weverberg et al., 2018 ) en relation avec l'absence de représentation de la convection en propagation dans le modèle actuel (Klein et al. , 2006 ) peut expliquer le biais restant.
  • L'amélioration de la position du jet subtropical de l'hémisphère sud est illustrée sur la figure  21 , IPSL-CM6A-LR fonctionnant mieux que les versions précédentes du modèle IPSL-CM5. Les jets, qui sont situés trop près de l'équateur dans la plupart des modèles CMIP, sont connus pour se déplacer généralement vers les pôles lorsque la résolution horizontale est augmentée (Hourdin et al., 2013a ). C'était clairement le cas entre les versions des modèles IPSL-CM5A-LR et IPSL-CM5A-MR. Cependant, IPSL-CM6A-LR - qui a la même grille horizontale que IPSL-CM5A-MR - montre un bien meilleur emplacement de ces jets comme le montre la figure  3 et, pour l'hémisphère sud, la figure  21. Nous n'avons pas d'explication précise jusqu'à présent, mais cela peut être lié au bien meilleur réglage de la dépendance latitudinale des flux radiatifs dans IPSL-CM6A-LR, qui à son tour contrôle la structure thermique, elle-même étroitement liée au vent zonal à travers le bilan thermique du vent.

4 modes de variabilité

Passons maintenant aux principaux modes de variabilité du modèle. Nous présentons d'abord l'oscillation australe El Niño (ENSO) car il s'agit du mode de variabilité couplé océan-atmosphère dominant et le nouveau comportement de la variabilité multidécennale océanique dans IPSL-CM6A-LR et la variabilité des latitudes moyennes hivernales et le blocage atmosphérique. Nous ne présentons pas les modes de variabilité atmosphérique définis avec les principales fonctions orthogonales empiriques de variables dynamiques comme l'oscillation nord-atlantique ou le modèle Pacifique nord-américain, car ils sont présentés dans une étude distincte avec le rôle des paramétrisations orographiques sur ces modes.

4.1 ENSO

L'ENSO est le principal mode de variabilité climatique interannuelle, émergeant des interactions air-mer dans le Pacifique tropical, mais avec des impacts climatiques dans le monde entier en raison des téléconnexions atmosphériques (par exemple, Timmermann et al., 2018 ). En particulier, la modulation décennale de l'ENSO entraîne des fluctuations décennales de la température de surface moyenne mondiale (GMST), un phénomène naturel qui module le changement climatique anthropique (par exemple, Kosaka et Xie, 2013 ). C'est donc un phénomène très important à représenter dans un modèle climatique global. Des études antérieures ont souligné des biais caractéristiques dans la représentation du climat tropical du Pacifique, qui se traduisent par une fausse représentation de certains processus ENSO clés (par exemple, Bayr et al., 2018). Ces biais typiques incluent une remontée équatoriale trop forte («le biais de la langue froide»), un Pacifique équatorial occidental excessivement sec et la tendance à former une «double ITCZ». Les biais de langue froide et de Pacifique occidental sec ont augmenté entre IPSL-CM5A-LR et IPSL-CM6A-LR (Figure  1 , panneaux du haut et du bas; Figure  5 , panneaux du haut et du bas; et Figure  22 ) mais le biais de «double ITCZ» a été réduite, avec une zone de convergence du Pacifique Sud qui s'étend moins dans le Pacifique oriental (figures  6b et 6d ).

image
Section longitude-temps de l'océan Pacifique 5 ° S à 5 ° N cycle saisonnier moyen de SST (couleurs, ° C), stress zonal du vent × 1000 (contours verts, N m -2 ) et précipitations (contours noirs, mm jour -1 ) pour (a) les observations, (b) IPSL-CM5A-LR, (c) IPSL-CM5A-MR et (d) IPSL-CM6A-LR. Coupe longitude-temps des anomalies typiques de 5 ° S à 5 ° N lors d'un événement ENSO: SST (couleurs, ° C ° C −1 ), contrainte de vent zonale × 1000 (contours verts, N m −2  ° C −1 ) , et précipitations (contours noirs, mm jour −1  ° C −1) pour (e) observations, (f) IPSL-CM5A-LR, (g) IPSL-CM5A-MR, et (h) IPSL-CM6A-LR. Les anomalies ENSO typiques sont obtenues sous forme de régression avance / retard vers les anomalies SST Niño3.4 moyennées de novembre – janvier. La moyenne des 6 IPSL-CM5A-LR disponibles, 3 IPSL-CM5A-MR disponibles et 32 membres historiques IPSL-CM6A-LR disponibles est utilisée. Les observations (1980-2018) proviennent de GPCPv2.3 (Adler et al., 2018 ) pour les précipitations et de TropFlux (Praveen Kumar et al., 2012 , 2013 ) pour la SST et le stress zonal du vent.

IPSL-CM5A-LR et IPSL-CM6A-LR révèlent des évolutions de modèle ENSO relativement similaires (figures  22f et 22h ), avec des événements qui ont tendance à commencer trop tôt au printemps et à afficher une propagation de phase vers l'ouest contrairement aux observations, et se terminent trop tard l'année suivante (comparer à la figure  22e ). Les biais équatoriaux froids et secs du climat moyen se traduisent par des anomalies de la SST, du vent et des précipitations qui sont déplacées vers l'ouest par rapport à celles des observations, et des anomalies de précipitations trop faibles (par exemple, Bayr et al., 2018 ). L'amplitude d'ENSO a augmenté de ∼ 40% entre IPSL-CM5A-LR et IPSL-CM6A-LR (Figure  23), étant maintenant légèrement au-dessus de la valeur observée. L'un des problèmes majeurs d'ENSO dans IPSL-CM5A-LR était sa saisonnalité (Bellenger et al., 2014 ). Les événements ENSO culminent en effet en hiver boréal dans les observations, mais IPSL-CM5A-LR a eu tendance à produire un maximum de variabilité de la SST du Pacifique équatorial au printemps boréal (Figure  23 ), en raison de sa tendance à produire des événements culminant au printemps en plus de Figures  22e et 22f . Ce comportement déphasé a disparu dans IPSL-CM6A-LR, mais l'écart d'amplitude entre les signaux ENSO de printemps et d'hiver reste trop faible (Figure  23 ) et inférieur à la médiane CMIP5.

image
Écart-type stratifié de façon saisonnière des anomalies moyennes Niño3.4 SST pour les observations (noir), les 6 IPSL-CM5A-LR (bleu foncé), 3 IPSL-CM5A-MR (bleu clair) et 32 ​​IPSL-CM6A-LR (rouge ) membres. L'ombrage vert indique la plage de valeurs de la base de données multimodèle CMIP5 (courbe verte  =  médiane, vert foncé  =  25e à 75e centiles, vert clair  =  5e à 95e centiles). Les observations proviennent du GPCP v2.3 (Adler et al., 2018 ) pour les précipitations et de TropFlux (Praveen Kumar et al., 2012 ) pour la SST sur la période 1980-2018.

Dans l'ensemble, certains biais d'état moyen censés influencer fortement la représentation ENSO ont diminué (double ITCZ), tandis que d'autres se sont renforcés (langue froide et biais équatorial sec). L'amélioration majeure de la représentation ENSO entre IPSL-CM5A-LR et IPSL-CM6A-LR est une meilleure représentation de la saisonnalité ENSO, d'autres aspects d'ENSO étant assez similaires dans les deux modèles.

4.2 Variabilité multidécennale

La variabilité climatique à des échelles de temps décennales à multidécennales a fortement évolué dans la dernière version du modèle (Figure  24 montrant 500 ans de simulation piControl de chacun des modèles). L'indice de la variabilité multidécennale de l'Atlantique (AMV), défini comme l'évolution temporelle de l'anomalie SST moyenne entre 0 et 65 ° N dans l'Atlantique Nord, semble être dominé par une échelle de temps plus longue dans IPSL-CM6A-LR par rapport aux deux IPSL- Versions CM5A (Figure  24 , panneau supérieur). L'IPSL-CM5A-LR est en effet caractérisé par une variabilité bidécadale marquée (Escudier et al., 2013 ; Ortega et al., 2015 ), également présente, mais avec une intensité plus faible, dans IPSL-CM5A-MR (Wen et al., 2016)). Dans le nouveau modèle, l'échelle de temps AMV typique est beaucoup plus longue: les pics successifs de l'indice AMV sont séparés d'environ 200 ans. Cette variabilité bicentenaire est très robuste aux petites modifications du code océanique (non illustrées) mais s'affaiblit vers la fin de notre simulation piControl d'une durée de 1200 ans . Il convient de noter qu'une caractéristique similaire se retrouve dans au moins un autre modèle CMIP6 (CNRM-CM6 Voldoire et al., 2019 ) qui partage le même modèle océanique que IPSL-CM6A-LR. L'origine exacte de ce comportement est toujours sous enquête. Le modèle spatial de l'AMV (figure  25 ) présente un centre d'action subpolaire fort et un centre tropical relativement plus faible par rapport aux observations. Notez cependant que le modèle AMV dans HadISST (Figure  25) a été calculée à partir de la période 1920–2016 et la moyenne de la SST globale entre 60 ° S et 60 ° N a été supprimée de tous les points de la grille avant de calculer la moyenne de l'Atlantique Nord (0–60 ° N, 80–0 ° W) suivant (Trenberth Et Shea, 2006 ). Cela représente donc une variabilité sur une période plus courte et différente que les 500 ans du contrôle préindustriel et peut-être encore polluée par des forçages externes malgré la dégradation. Le modèle AMV dans IPSL-CM6A-LR est également marqué par une téléconnexion relativement claire dans le Pacifique, avec un modèle ressemblant à une phase négative de l'Oscillation Interdécennale du Pacifique (IPO) associée à une phase AMV positive, comme dans les observations. Les deux modèles IPSL-CM5A n'ont pas réussi à reproduire cette téléconnexion.

image
Évolution temporelle de l'indice AMV (panneau du haut, en K), du maximum AMOC (panneau du milieu, en Sv) et du courant circumpolaire antarctique (ACC) mesuré comme transport de masse à travers le passage de Drake (panneau du bas, en Sv) dans l'IPSL Versions des modèles ‐CM5A ‐ LR, IPSL ‐ CM5A ‐ MR et IPSL ‐ CM6A ‐ LR. L'indice AMV est défini comme les anomalies SST moyennes annuelles filtrées passe-bas sur 10 ans, moyennées par zone, moyenne sur le bassin de l'Atlantique Nord (0–65 ° N, 80 ° O à 0 ° E). Le maximum AMOC est tiré de la fonction du courant méridien entre 10 ° N et 60 ° N et en dessous de 500 m. Le transport de masse au passage de Drake est intégré de la surface à la profondeur entre le cap Horn et l'ouest de la péninsule antarctique.
image
Schéma de la variabilité multidécennale de l'Atlantique (VMA) définie comme la régression (en ° C ° C -1 ) de la SST globale sur l'indice AMV défini comme les anomalies SST moyennes annuelles filtrées passe-bas sur 10 ans sur le Nord Bassin de l'Atlantique (0–60 ° N, 80 ° W à 0 ° E) pour les observations HadISST (période 1920–2016) et les modèles IPSL-CM5A-LR, IPSL-CM5A-MR et IPSL-CM6A-LR. La moyenne pondérée SST entre 60 ° N et 60 ° S a été soustraite de chaque point de la grille avant tout calcul, afin de tenir compte de la tendance au réchauffement climatique suivant Trenberth et Shea ( 2006 ).

La différence de l'échelle de temps principale de la variabilité se retrouve également dans l'évolution du maximum AMOC (Figure  24 , panneau du milieu). Dans IPSL-CM6A-LR, l'AMOC présente une variabilité prédominante à des échelles de temps centenaires, avec une amplitude crête à crête de près de 4 Sv. Le même indice présente une variabilité plus faible, et principalement sur une échelle de temps plus courte, dans les versions IPSL-CM5A. L'intensité du courant circumpolaire antarctique (ACC) mesurée au passage de Drake est également différente entre les versions IPSL-CM6A-LR et IPSL-CM5A (Figure  24, panneau du bas). Dans IPSL-CM6A-LR, il existe une périodicité marquée avec une échelle de temps de 80 ans, avec une amplitude crête à crête allant jusqu'à 15 Sv. Une telle périodicité n'est pas visible dans les modèles IPSL-CM5A, bien qu'il semble y avoir une variabilité prédominante à une échelle de temps similaire. Les mécanismes conduisant à cette variabilité ne sont pas encore entièrement compris. La variabilité du centenaire de l'AMOC semble être liée à des anomalies d'eau douce qui s'accumulent à des échelles de temps très lentes dans l'océan Arctique et se déversent dans l'océan Atlantique Nord. Les liens entre la variabilité AMV, AMOC et ACC dans IPSL-CM6A-LR restent à étudier.

4.3 Variabilité des latitudes moyennes en hiver et blocage atmosphérique

La figure  26a montre la fréquence des jours bloqués en hiver dans les simulations historiques r1i1p1f1 des modèles IPSL par rapport aux observations. L'enveloppe de la fréquence de blocage d'un ensemble de modèles CMIP5 et CMIP6 est également rapportée. Le blocage est défini en estimant l'inversion du gradient d'altitude géopotentiel quotidien à 500 hPa selon D'Andrea et al. ( 1998 ). En ce qui concerne D'Andrea et al. ( 1998 ) ici les données sont interpolées sur une  grille régulière de 2,5 °  × 2,5 °, de sorte que Δ = 0 °, ± 2,5 °, ± 5 °, et Φ n = 80 ° N, Φ 0 = 60 ° N, Φs = 40° N. Pour un examen complet de la physique du blocage et de la climatologie, le lecteur est renvoyé à Woollings et al. ( 2018 ). Il est particulièrement pertinent d'analyser la fréquence de blocage, car il s'agit d'un phénomène difficile à reproduire pour la prévision numérique du temps (NWP) et les modèles climatiques mondiaux depuis longtemps. Davini et D'Andrea ( 2016 ) ont montré qu'il y avait eu une certaine amélioration au fil des générations de modèles, en particulier dans le secteur Pacifique. En Europe, au contraire, seul un petit nombre de modèles ont des fréquences de blocage proches des niveaux observés. Cette tendance générale des modèles climatiques est largement confirmée pour la génération CMIP6 (voir les bandes orange clair et bleu clair de la figure 26a). IPSL-CM6A-LR simule plus de jours bloqués que les deux modèles IPSL-CM5 sur l'Europe (0–30 ° E) en meilleur accord avec les observations, bien que la fréquence des jours bloqués soit encore sous-estimée. Dans cette région, IPSL-CM6A-LR reste en ligne avec le comportement moyen des autres modèles CMIP6. Il existe un deuxième maximum de fréquence de blocage à environ 70 ° E, correspondant au blocage de l'Oural, largement surestimé par rapport aux observations et autres modèles CMIP5 et CMIP6. Le secteur Pacifique est également légèrement surestimé.

image
Diagnostic de la dynamique des latitudes moyennes de l'hémisphère nord en hiver (DJFM): (a) fréquence 1980–2005 (en%) des jours bloqués en fonction de la longitude dans les observations (ligne noire: moyenne entre la réanalyse JRA-55, la réanalyse NCEP / NCAR et l'ECMWF ERA-Interim Reanalysis), IPSL-CM5A-LR (ligne bleu foncé), IPSL-CM5A-MR (ligne bleu clair) et IPSL-CM6A-LR (ligne rouge). L'étalement de l'ensemble multimodèle CMIP5 (bleu ombré) et CMIP6 (orange ombré) est également indiqué comme l' écart type de ± 1 par rapport à la moyenne d'ensemble; (b) Vent zonal moyen de 1980 à 2005 (en m s −1) à 500 hPa pour IPSL-CM6A-LR; (c) trajectoire de tempête de l'IPSL-CM6A-LR, calculée comme l'écart-type haute fréquence (filtre passe-haut carré au seuil de 6 jours) de la hauteur géopotentielle de 500 hPa (en m); (d) écart type basse fréquence (filtre passe-bas carré de 6 jours) de la hauteur géopotentielle de 500 hPa (en m) pour IPSL-CM6A-LR; (e) différence de vent zonal moyen entre IPSL-CM6A-LR et la réanalyse ERA Interim pour la même période; (f) différence entre IPSL-CM6A-LR Stormtrack et ERA-Interim; (g) différence de l'écart type basse fréquence IPSL-CM6A-LR avec ERA-Interim. (h) différence de vent zonal moyen entre l'IPSL-CM6A-LR et l'IPSL-CM5A-LR pour la même période; (i) différence entre IPSL-CM6A-LR et IPSL-CM5A-LR; et (j) différence de l'écart type basse fréquence IPSL-CM6A-LR avec IPSL-CM5A-LR. Seulement leLes simulations historiques r1i1p1f1 sont prises en compte.

Afin d'avoir une compréhension cohérente du comportement du modèle, les figures  26b - 26g donnent un aperçu de la variabilité des moyennes latitudes de l' hiver de IPSL-CM6A-LR. Les cartes des différences avec IPSL-CM5A-LR sont également présentées dans les figures  26h - 26j . Dans le secteur atlantique, le jet atmosphérique de latitudes moyennes est surestimé et trop zonal, pénétrant profondément dans le continent européen (figures  26b et 26e ) et entraînant la trajectoire de la tempête atlantique (figures  26c et 26f ). Cela entraîne la sous-estimation du blocage européen et la surestimation de celui de l'Oural. Sur l'Oural, une variabilité excessive des basses fréquences est systématiquement constatée (figures 26d et 26g ). La tendance à des jets à latitudes moyennes excessivement zonales est liée à une sous-estimation de la traînée orographique (Pithan et al., 2016 ). Dans le secteur Pacifique, le léger excès de fréquence de blocage est en accord avec un déplacement vers le sud du jet (figures  26b et 26e ) et un excès de déferlement cyclonique (Rivière, 2009 ) aux hautes latitudes, comme visible sur les cartes de variabilité (figures  26d et 26g ).

Les améliorations par rapport à IPSL-CM5A-LR sont clairement visibles. La surestimation du jet est très réduite dans le nouveau modèle (Figure  26h ), ce qui est cohérent avec l'augmentation de la fréquence de blocage dans le secteur euro-atlantique. En IPSL-CM5, le jet est plus puissant et pénètre dans le continent eurasien légèrement au sud par rapport à IPSL-CM6A-LR. Cela entraîne une plus grande variabilité basse fréquence de l'IPSL-CM5 (Figure  26j ) dans une région s'étendant de l'est de la Méditerranée jusqu'aux basses latitudes de la région sibérienne. Dans le même temps, le déplacement du jet vers le sud explique l'absence de surestimation de la fréquence de blocage de l'Oural.

5 Simulations de la période historique

5.1 Simulation de GMST

Pour rappel, les membres de notre ensemble de simulations historiques ont les mêmes forçages naturels et anthropiques et ne diffèrent que par leurs conditions initiales qui ont été échantillonnées tous les 20 à 40 ans dans la simulation piControl . Toutes les simulations historiques ont été prolongées jusqu'en 2030 à l'aide des forçages SSP245. En raison des grandes incertitudes dans les observations avant les années 1880, l'analyse se limite ici à la période 1880–2018.

La figure  27 montre l'évolution temporelle du GMST (ici calculée à partir de la température de l'air à la surface), à ​​la fois en termes absolus et en anomalie par rapport à la période 1880–2018. Un écart important est présent dans les deux panneaux, avec des différences allant jusqu'à 0,75 K pour une année donnée. La moyenne d'ensemble de l'anomalie (Figure  27b ) peut être interprétée comme la composante forcée du changement climatique (due aux forçages naturels et anthropiques) avec des variations autour d'elle dues à la variabilité naturelle interne. Nous comparons cette anomalie à la fois à Cowtan and Way ( 2014 ) et (Rohde et al., 2013a , 2013b) ensembles de données d'observation. La série chronologique de GMST observée se situe dans l'étendue des simulations d'ensemble, mais la moyenne d'ensemble du modèle s'écarte qualitativement des changements observés vers 1935–1945 et depuis 2005 (figure  27b ). L'écart par rapport aux observations de la période récente est légèrement amélioré si l'anomalie est calculée à partir de la période de référence 1850–1899 (non représentée). Ce large éventail de possibilités dans l'évolution GMST des membres historiques est induit par leurs différentes conditions initiales. Elle ne se limite pas à la variabilité interannuelle car les tendances de réchauffement à long terme dépendent également desmembre. La réponse GMST observée à l'éruption volcanique du Pinatubo est bien représentée par la moyenne d'ensemble du modèle, mais il existe de grandes différences dans l'évolution du GMST dans la période autour de l'éruption du Pinatubo (c.-à-d. 1990–1994) en fonction du phasage des modes naturels de variabilité dans les simulations.

image
Évolution temporelle (a) de la température moyenne annuelle globale de l'air près de la surface (GMST, en K) des 31 membres historiques , prolongée à l'aide des forçages SSP245, du modèle IPSL-CM6A-LR et (b) des anomalies de GMST par rapport à la moyenne 1880–2018 pour les ensembles de données Cowtan and Way ( 2014 , en bleu) et Berkeley (Rohde et al., 2013a , 2013b , en vert) et pour la moyenne d'ensemble modèle (en noir) des membres historiques individuels ( en gris).

La figure  28 montre les tendances récentes du réchauffement observées et simulées au cours de la période 1978-2018. Certains membres se comparent mieux aux observations, par exemple, avec un certain degré de «trou de réchauffement» dans l'océan Atlantique Nord. Il y a cependant quelques divergences; en particulier, aucun membre ne reproduit pleinement les tendances de refroidissement observées dans le Pacifique Sud-Est et dans l'océan Austral. Le modèle reproduit généralement le contraste terre / mer dans le réchauffement, avec un rapport moyen de 1,61 (allant de 1,52 à 1,79) entre la température globale sur terre et océan sur la période 1978-2018 par rapport au rapport observé de 1,67 à partir des données HadCRUT4 ensemble (Morice et al., 2013b) (les données du modèle, SST au-dessus de l'océan et TAS au-dessus de la terre, sont reconstituées sur les observations masquées temporellement avant l'analyse). L'amplification de l'Arctique a tendance à être surestimée par le modèle, avec une tendance moyenne de 0,88 K par décennie sur la région 70-90 ° N (allant de 0,22 à 1,58 K par décennie) par rapport à la tendance moyenne globale de 0,26 K par décennie (allant de 0,16 à 0,36 K par décennie), alors que la tendance est d'environ 0,79 K par décennie sur la région 70-90 ° N et d'environ 0,19 K par décennie pour la moyenne mondiale dans l' ensemble de données Cowtan et Way ( 2014 ). D'autres travaux sont en cours pour évaluer la diversité des membres historiques du modèle IPSL-CM6A-LR et leur pertinence par rapport aux observations.

image
Tendances de la température de l'air près de la surface (K an −1 ) à partir de l' ensemble de données Cowtan et Way ( 2014 ) (panneau supérieur gauche) et des membres historiques du modèle IPSL-CM6A-LR pour la période 1978-2018. Les membres sont classés (de gauche à droite et de haut en bas) en augmentant l'erreur quadratique moyenne quadratique (RMSE) par rapport aux observations. Le numéro de membre et les valeurs RMSE sont indiqués respectivement dans les coins supérieur gauche et inférieur droit de chaque panneau. Les hachures en pointillés indiquent les cases de la grille où les tendances sont significatives (test de Mann-Kendall, p <0,1 ).

5.2 Flux de carbone

Les simulations historiques ont prescrit un rapport de mélange atmosphérique du CO 2 selon les observations (Meinshausen et al., 2017 ). Les flux mondiaux vers l'océan et la terre peuvent être estimés à partir des calculs de flux résolus spatialement des modèles NEMO-PISCES et ORCHIDEE en réponse à la concentration atmosphérique de CO 2 et au climat simulé (Figure  29 et Tableau  3 ). Les émissions compatibles sont définies comme les émissions anthropiques qui seraient nécessaires pour simuler la concentration de CO 2 prescrite si le cycle du carbone devait être pleinement interactif dans le modèle. Ces émissions compatibles peuvent être diagnostiquées à partir de l'équation suivante:
urn: x-wiley: jame: media: jame21147: jame21147-math-0005(1)
où ff est le flux d'émission de CO 2 provenant de la combustion de combustibles fossiles et de la production de ciment, tot est le flux total d'émissions anthropiques de CO 2 , lcc le flux d'émission de CO 2 dû aux changements de couverture terrestre (qui est également estimé dans le modèle), atm le taux de croissance de la concentration atmosphérique de CO 2 , océan le puits océanique et atterrir le puits terrestre (sans tenir compte des changements de la couverture terrestre).
Tableau 3. Composantes moyennes décennales du budget mondial de CO 2 pour les périodes 1990–1999 et 2009–2018 pour IPSL-CM6A-LR et du Global Carbon Project (GCP Friedlingstein et al., 2019 )
  Flux moyens (PgC an −1 )
  1990–1999   2009–2018
  IPSL-CM6A-LR GCP 2019   IPSL-CM6A-LR GCP 2019
Émissions          
Combustible fossile ( ff ) 6,5 ± 0,15 6,4 ± 0,3   9,1 ± 0,13 9,5 ± 0,5
Changement de couverture terrestre ( lcc ) 0,4 ± 0,0 1,3 ± 0,7   0,7 ± 0,0 1,5 ± 0,7
Émissions totales ( ff + lcc ) 7,0 ± 0,15 7,7 ± 0,8   10,0 ± 0,13 11,0 ± 0,8
Partitionnement        
Taux de croissance atmosphérique ( atm ) 3.2 3,1 ± 0,02   5.2 4,9 ± 0,02
Évier océanique ( océan S ) 2,1 ± 0,04 2,0 ± 0,6   2,7 ± 0,04 2,5 ± 0,6
Puits terrestre ( land ) 1,7 ± 0,13 2,6 ± 0,9   2,2 ± 0,14 3,6 ± 1,0
Flux fonciers totaux ( land - lcc ) 1,3 ± 0,13 1,0 ± 0,8   1,5 ± 0,14 1,7 ± 0,9
  • Remarque: le bilan carbone GCP montre un déséquilibre de 0,3 à 0,4 PgC an −1 . Les plages d'incertitude représentent les incertitudes pour les estimations de GCP et l'écart type entre les 32 membres de l'ensemble pour IPSL-CM6A-LR.
 

L'océan est un puits net de CO 2 et ce puits passe de près de 0 en 1850 à ∼ 2,9 PgC an -1 en 2018 avec très peu de variabilité parmi les 32 membres historiques (écart type de ± 0,07  PgC an -1 ). Ce puits océanique simulé est conforme à l' estimation de 2,5 ± 0,6  PgC an −1 du Global Carbon Project pour la décennie 2009-2018 (Friedlingstein et al., 2019 ). De même, le puits océanique simulé sur la décennie 1990–1999 (2,1 ± 0,04  PgC an −1 ) est très similaire au flux de 2,2 PgC an −1 diagnostiqué dans IPSL-CM5A-LR.

Le flux terrestre net reste globalement négatif (c'est-à-dire une source dans l'atmosphère) jusqu'en 1970 environ en raison des effets de changement de couverture terrestre. Le flux augmente alors et la terre devient un puits en raison principalement de l'augmentation de l' effet de fertilisation du CO 2 qui domine l'effet de changement de couverture terrestre. Le puits net atteint 1,5 PgC an -1 au cours de la dernière décennie de la période historique . Il est à noter que, sur la décennie 1990-1999, le puits simulé est très proche de celui du modèle IPSL-CM5A-LR ( 1,3 ± 0,13  PgC an -1 contre 1,28 ± 0,1  PgC an -1 ). Le puits terrestre net simulé est cependant inférieur au flux net de 2,1 ± 0,7  PgC an−1 estimé par (Friedlingstein et al., 2019 ) pour la décennie 2009-2018. Il existe également une assez grande variabilité d'une année à l'autre en raison de la variabilité du climat à l'échelle régionale (par exemple, Schaefer et al., 2002 ), et une variabilité proportionnellement importante entre les 32 membres de l'ensemble. Les flux nets de carbone terrestre, S land - lcc , sont cohérents avec lesestimationsdu Global Carbon Project (Friedlingstein et al., 2019 ) même si lesémissions d' E lcc sont sous-estimées. Cela conduit à des émissions compatibles simulées dans la plage des émissions estimées de combustibles fossiles et de la production de ciment, E ff, du Global Carbon Project (Friedlingstein et al., 2019 ).

image
Rapport de mélange prescrit de CO 2 atmosphérique (ppmv, en haut à gauche) et émissions «compatibles» inférées (en haut à droite), océaniques (en bas à gauche) et flux nets de CO 2 terrestres (en bas à droite) (en Pg C an −1 ) en IPSL -CM6A-LR pour la période historique ( historique r1i1p1f1 en noir et autres membres de l'ensemble en gris) et les expériences de scénarios futurs (lignes colorées). Une moyenne mobile sur 5 ans est appliquée pour les flux. Les estimations du Global Carbon Project (Friedlingstein et al., 2019 ) et leurs incertitudes sont indiquées par des cercles noirs et des barres d'erreur grises.

6 Réponse climatique transitoire et ECS

6.1 Estimations

La réponse climatique transitoire (TCR) et l'ECS sont deux grandeurs importantes qui caractérisent la réponse du modèle au forçage radiatif du CO 2 . On prend cependant de plus en plus conscience que ces quantités ne sont pas des propriétés intrinsèques au système climatique (ou à un modèle climatique donné) mais peuvent dépendre de l'état du climat (Mauritsen et al., 2019 ; Rugenstein et al., 2020 ). En outre, les estimations de ces quantités dépendent des détails de la façon dont elles sont estimées dans un modèle particulier.

L'ECS est traditionnellement défini comme le changement d'équilibre de GMST pour un doublement du CO 2 . Nous suivons Gregory ( 2004 ) pour estimer un ECS effectif en supposant une relation de rétroaction forcée linéaire ou quasi-linéaire entre les anomalies du flux radiatif descendant net au sommet de l'atmosphère Δ R et la température moyenne globale de l'air à la surface Δ T à un forçant F , et extrapolant Δ T à sa valeur pour Δ R = F + λ Δ T = 0 , où λ est le paramètre de rétroaction.

Pour calculer ces anomalies radiatives et de température, nous soustrayons la valeur moyenne globale préindustrielle du déséquilibre radiatif net à la baisse et de la température de l'air près de la surface («rtmt» et «tas», respectivement, des 500 premières années de la course de contrôle préindustriel, 1850 –2350) à partir des valeurs de rayonnement et de température respectives des expériences abrupt ‐ 2xCO2 et abrupt ‐ 4xCO2 r1i1p1f1 . Les résultats sont sensibles à la durée de la simulation en raison de la dépendance spatiale et temporelle des paramètres de rétroaction (Andrews et al., 2012 , 2015 ; Knutti et al., 2017 ; Rugenstein et al., 2020). Une régression ordinaire des moindres carrés du déséquilibre radiatif sur les anomalies de température aboutit à un Δ T d' équilibre pour le quadruplement du CO 2 de 9,05, 9,49 et 10,02 K selon que l'on considère 150, 300 ou 900 ans de simulation (tableau   4 ). Cela se traduit par un ECS de 4,75 K ( intervalle de confiance à 95 % : [4,32, 5,20]) lorsque l'ajustement est effectué sur 300 ans et un facteur de 2 est utilisé pour faire passer un quadruplement à un doublement du CO 2 selon l'hypothèse habituelle de une dépendance logarithmique du forçage radiatif du CO 2 sur son rapport de mélange atmosphérique. Cela correspond à une augmentation de 17% par rapport à la valeur de 4,06 K en IPSL-CM5A-LR (95 %intervalle de confiance: [3,73, 4,41]), estimé par la même méthode (tableau  4 ).

Tableau 4. Forçage radiatif effectif (ERF, en W m −2 ), changement de température de surface moyenne globale à l'équilibre ( Δ T , en K), différentes estimations de la sensibilité au climat d'équilibre (ECS, en K) dérivée de brusques-2xCO2 et Simulations abrupt ‐ 4xCO2 utilisant des variantes de la méthode Gregory ( 2004 ) et réponse climatique transitoire (TCR) pour les IPSL ‐ CM5A ‐ LR et IPSL ‐ CM6A ‐ LR
Quantité / modèle IPSL-CM5A-LR IPSL-CM6A-LR
ERF 2 × CO 2 (W m −2 ) - 3,50 ± 0,27
ERF 4 × CO 2 (W m −2 ) 6,65 ± 0,18 7,64 ± 0,22
Δ T 4 × CO 2 (900 ans, K) - 10,02 (9,56, 10,62)
Δ T 4 × CO 2 (300 ans, K) 8,12 (7,55, 8,74) 9,49 (8,65, 10,40)
Δ T 4 × CO 2 (150 ans, K) 8,08 (7,36, 9,90) 9.05 (8.05, 10.20)
ECS à partir de 4 × CO 2 (900 ans, facteur 2, K) - 5,01 (4,76, 5,28)
ECS à partir de 4 × CO 2 (300 ans, facteur 2, K) 4,06 (3,78, 4,37) 4,75 (4,33, 5,21)
ECS à partir de 4 × CO 2 (150 ans, facteur 2, K) 4,04 (3,68, 4,45) 4,53 (4,02, 5,10)
ECS à partir de 4 × CO 2 (300 ans, mis à l'échelle par ERF, K) - 4,35
ECS à partir de 4 × CO 2 (150 ans, mis à l'échelle par ERF, K) - 4.15
ECS à partir de 2 × CO 2 (300 ans, K) - 3,83 (3,03, 4,88)
TCR (K) 1,96 (2,09) 2,45
  • Remarque . ERF est calculé comme dans Lurton et al. ( 2020 ) en régressant l'anomalie du flux radiatif net au sommet de l'atmosphère par rapport à l'anomalie de la température moyenne de surface globale en utilisant les 20 premières années de l'expérience. Les anomalies sont calculées après avoir soustrait les valeurs de piControl année par année. Les intervalles de confiance correspondent à ± 2 σ . Pour IPSL-CM5A-LR, nous fournissons également à titre de référence entre parenthèses la valeur TCR publiée par Dufresne et al. ( 2013 ).
 

Le facteur d'échelle 2 de 4  × CO 2 à 2  × CO 2 peut être remis en question car (i) le forçage du CO 2 est supralogarithmique dans la concentration atmosphérique de CO 2 comme le montrent Zhong et Haigh ( 2013 ) et Etminan et al. ( 2016 ) pour des modèles détaillés de transfert radiatif et Lurton et al. ( 2020 ) pour notre modèle climatique, et (ii) les paramètres de rétroaction peuvent dépendre de l'ampleur du forçage. Dans notre modèle, les forçages radiatifs effectifs (ERF) pour le doublement et le quadruplement du CO 2 sont respectivement de 3,46 et 7,53 W m -2 (Lurton et al., 2020). Renormaliser le changement de température de surface extrapolé dans le quadruplement du CO 2 avec les valeurs ERF estimées conduit à un ECS réduit pour un CO 2 doublant de 4,35 K.Cela est à comparer à un ECS de 3,83 K si la régression est effectuée directement sur le 300 -Year abrupt2xCO2 expérience. Cette dernière valeur correspond peut-être mieux à la définition originale de l'ECS.

La réponse climatique transitoire (TCR) est définie comme le changement de température au moment du doublement du CO 2 dans une expérience où la concentration atmosphérique de CO 2 augmente de 1% par an. Plus précisément, il est calculé comme la moyenne mondiale sur 20 ans de la température de surface de 2 m au moment du doublement du CO 2 (années 61 à 80) dans l' expérience 1pctCO2 par rapport à la même quantité dans la période correspondante du piControl . Le TCR s'élève à 2,45 K en IPSL-CM6A-LR contre des valeurs publiées de 2,09, 2,05 et 1,52 K respectivement en IPSL-CM5A-LR, IPSL-CM5B-LR et IPSL-CM5B-MR (Dufresne et al., 2013). Ainsi, le plus grand ECS dans IPSL-CM6A-LR se traduit également par un TCR plus grand par rapport à notre génération précédente de modèles.

6.2 Différences d'ECS entre IPSL-CM5A-LR et IPSL-CM6A-LR

Comme indiqué ci-dessus, l'ECS effectif passe de 4,1 à 4,8 K entre IPSL-CM5A-LR et IPSL-CM6A-LR. Les contributions relatives à l'ECS sont calculées d'après Dufresne et Bony ( 2008 ) et Vial et al. ( 2013 ) et illustré dans les graphiques à barres. Cette méthode décompose les contributions à l'ECS en (i) ajustements troposphériques et stratosphériques rapides du dioxyde de carbone et (ii) rétroactions médiées par la température fonctionnant sur des échelles de temps plus longues. Plus précisément, l'ajustement troposphérique rapide inclut la réponse climatique associée à tous les ajustements troposphériques (température, vapeur d'eau et nuages), le changement d'albédo de surface et le petit réchauffement de la surface terrestre dû au forçage du CO 2 (Vial et al., 2013). La méthode quantifie également les contributions relatives de la vapeur d'eau et du taux de déchéance de la température, de l'albédo de surface et des rétroactions des nuages. Les rétroactions individuelles sont calculées par la méthode du noyau radiatif (Bony et al., 2006 ; Soden et al., 2008 ; Shell et al., 2008 ). Un noyau radiatif agit comme un dérivé partiel, représentant la sensibilité du flux radiatif aux changements d'une variable climatique, telle que la vapeur d'eau, la température et l'albédo de surface. Le noyau radiatif est multiplié par le changement de la variable climatique d'intérêt (c.-à-d. La vapeur d'eau) diagnostiqué à partir d'une simulation de modèle puis normalisé par le changement GMST pour produire la valeur de rétroaction. Nous utilisons les mêmes noyaux que dans Shell et al. ( 2008) pour la vapeur d'eau, la température et l'albédo de surface. La rétroaction des nuages ​​est calculée comme un terme résiduel corrigé, corrigeant un terme de masquage des nuages ​​(Vial et al., 2013 ), qui ajoute un décalage cohérent à la valeur de rétroaction nette des nuages ​​estimée à partir de la méthode de l'effet radiatif des nuages ​​(Andrews et al., 2012 ). Un petit terme résiduel reflète les non-linéarités dans la relation entre la perturbation radiative et la réponse en température.

Les principaux moteurs de ce plus grand ECS dans IPSL-CM6A-LR sont un ajustement troposphérique rapide plus positif au CO 2 , et un taux de déchéance combiné et une rétroaction de vapeur d'eau plus forts (Figure  30a ). Nous diagnostiquons le fort ajustement troposphérique des simulations aqua-4xCO2 et amip-4xCO2 , ainsi que les simulations abrupt-4xCO2 , et constatons que les ajustements plus forts proviennent de régimes de ciel clair (non illustrés). Le retour de vapeur d'eau plus fort résulte principalement de fortes tendances d'humidification dans des régimes de faible remontée autour de 500 hPa (Figure  30c). Nous diagnostiquons cette tendance à l'humidification dans les régimes de faible remontée en projetant les anomalies d'humidité relative, définies comme la différence entre l'humidité relative après 150 ans de la simulation abrupt-4xCO2 et le piControl , dans une base de régime de circulation, où ω 500 , la vitesse de pression verticale à 500 hPa, agit comme une approximation de la circulation tropicale à grande échelle (Bony et al., 2004 ). Ce cadre introduit par Bony et al. ( 2004 ) permet d'attribuer les changements d'une variable climatique à un régime de circulation tropicale donné, allant d'une forte ascension à un fort affaissement avec une augmentation de ω 500valeurs. Les anomalies d'humidité relative atteignent jusqu'à 15% dans ces faibles régimes de remontée. Cependant, il a également été montré que le modèle IPSL-CM6A-LR est trop humide dans l'atmosphère tropicale par rapport aux données ERA-Interim (voir Figure  4 ), ce qui suggère que cette humidification pourrait également être exagérée.

image
Diagrammes soutenant notre analyse de la sensibilité climatique à l'équilibre (ECS) du modèle. (a) Diagramme à barres montrant les contributions relatives (en K) à l'ECS de l'ajustement stratosphérique, des ajustements rapides troposphériques, du taux de déchéance combiné et de la vapeur d'eau (LR + WV), de l'albédo de surface et des rétroactions nuageuses pour l'IPSL-CM5A-LR et modèles IPSL-CM6A-LR. Le terme résiduel est dû à des non-linéarités dans les termes de rétroaction. (b) Anomalies de l'humidité relative tropicale (%) en fonction de la pression atmosphérique (hPa) et du régime de circulation telles que diagnostiquées par la vitesse de pression verticale, ω 500 en hPa jour -1 . (c) Distribution de la rétroaction nette du nuage (en W m −2  K −1 ) pour IPSL-CM6A-LR. (d) Rétroaction des nuages ​​tropicaux nets (en W m −2 K −1 ) en fonction du régime de circulation diagnostiqué par la vitesse de pression verticale, ω 500 en hPa jour −1 . Les deux derniers diagnostics sont calculés sur l'océan tropical (30 ° N à 30 ° S).

Le retour net du cloud, en revanche, est moins positif dans IPSL-CM6A-LR que dans la version précédente du modèle. La compensation des rétroactions positives et négatives sous les tropiques donne lieu à une rétroaction des nuages ​​tropicaux moins positive. La figure  30b montre la distribution spatiale de la rétroaction globale nette du nuage, calculée à partir de la méthode du noyau, en W m −2par K de GMST. Une rétroaction positive et réchauffante est en rouge, tandis qu'une rétroaction négative et stabilisatrice est en bleu. Cette carte de rétroaction démontre que la réponse des nuages ​​dans IPSL-CM6A-LR est spatialement hétérogène, avec de larges pans de l'océan tropical recouverts de rétroactions nuageuses positives ou négatives. Pour interpréter la discontinuité spatiale entre les régions de rétroactions positives et négatives des nuages, nous projetons la rétroaction nette des nuages ​​dans les tropiques sur la base de ω 500 , analogue à ce qui a été fait pour les anomalies d'humidité relative. Sur la base de la décomposition, les régions de rétroaction positive des nuages ​​peuvent être liées à des régimes de remontée faible [ - 20, 0 hPa jour −1 ] et à des régimes d'affaissement modéré à fort [25, 100 hPa jour −1 ] (Figure 30d ). En revanche, des rétroactions négatives nettes sur les nuages ​​surviennent dans les régimes convectifs profonds et dans une partie des régimes d'affaissement faible. De plus, nous divisons le retour net du cloud en composants SW et LW pour voir si le composant SW ou LW pilote le retour net du cloud dans des régimes particuliers. Dans les régimes de convection, la rétroaction nette du nuage suit de plus près la rétroaction négative du nuage LW, tandis que dans les régimes en baisse, la rétroaction nette du nuage suit de plus près la rétroaction positive du nuage SW (Figure  30d ). La carte de rétroaction des nuages ​​montre que, géographiquement, des valeurs positives sont trouvées dans les régions de subsidence à grande échelle, qui couvrent de grandes parties de l'océan tropical et sont associées à des nuages ​​de couche limite marine tels que stratocumulus et cumulus peu profond (Bony et Dufresne, 2005). En revanche, des valeurs négatives de rétroaction des nuages ​​se produisent dans les régions de convection profonde, telles que le bassin chaud du Pacifique occidental. Une rétroaction négative se produit également sur l'océan Austral, qui pourrait résulter de changements de phase ou de changements thermodynamiques avec le réchauffement (Ceppi et al., 2016 ).

7 scénarios futurs

7.1 Changement de température de surface

Nous présentons et discutons maintenant brièvement de certains résultats des simulations de scénarios. L'évolution temporelle des températures moyennes globales de l'air à la surface est illustrée à la figure  31 . Le changement de température en 2100 par rapport à 1850–1900 est supérieur à 2 ° C dans tous les scénarios sauf le SSP119 où il dépasse 2 ° C avant de revenir en dessous de 2 ° C. Il est à noter que la trajectoire de changement de température est très similaire pour tous les scénarios jusque vers 2040 où elle commence à diverger en fonction de la trajectoire d'émission. Cela met en évidence les longues échelles de temps associées au cycle du carbone et au système climatique (Collins et al., 2013 ). Nous comparons également sur la figure  31les modèles IPSL-CM5A-LR et IPSL-CM6A-LR reconnaissant que les scénarios RCP et SSP ne sont pas totalement équivalents car la répartition du forçage radiatif net total entre les différents termes a changé (Lurton et al., 2020 ). IPSL-CM6A-LR montre plus de réchauffement que IPSL-CM5A-LR pour les scénarios haut de gamme (RCP245 / SSP245, RCP6.0 / SSP460 et RCP8.5 / SSP585). Ceci est attendu des plus grands TCR et ECS dans IPSL-CM6A-LR. Plus surprenant est le réchauffement plus important de l'IPSL-CM5A-LR pour la période historique, que nous attribuons à un certain nombre de petites différences dans l'ERF. Plus précisément, l' ERF CO 2 est plus petit (1,59 vs 1,83 W m -2 en 2015), et au contraire l'ERF des gaz à effet de serre non-CO 2 (CH 4 , CFC, N2 O et O 3 ) est plus grande (1,58 contre 1,03 W m -2 en 2015) en IPSL-CM5A-LR par rapport à IPSL-CM6A-LR. Le FER pour les aérosols anthropiques est approximativement le même pour les deux modèles ( ≈ −0,6  W m −2 ). En supposant que le paramètre de rétroaction climatique et l'efficacité d'absorption de la chaleur océanique soient les mêmes dans lesexpériences historiques et 1pctCO2 , on peut en effet s'attendre à plus de réchauffement dans IPSL-CM5A-LR pour la période historique par rapport à IPSL-CM6A-LR (1,61 vs 1,43 K) malgré un TCR plus petit (2,09 vs 2,45 K).

image
(panneau supérieur) Changement de la température moyenne globale de l'air à la surface (GMST, en ° C) par rapport à la période 1850–1899 dans le membre historique r1i1p1f1 (ligne noire épaisse) et les autres membres (lignes grises fines) et des expériences de scénario pour le r1i1p1f1 membre (lignes colorées épaisses) et autres membres (lignes fines colorées). Les anomalies pour 0 ° C, 1 ° C et 2 ° C sont indiquées à titre de référence. (panneau inférieur) changement de GMST par rapport à la période 1850–1899 pour les modèles IPSL-CM5A-LR et IPSL-CM6A-LR pour la période historique et le 21e siècle.

7.2 Répartition des changements de température et de précipitations

La figure  32 montre les distributions des changements de température de l'air de surface normalisés par le changement GMST, pour les scénarios SSP126 et SSP585expérimentations, à la fois pour la fin du 21e siècle (période 2070–2100) et à la fin du 23e siècle (2270–2300, scénarios étendus). Les changements normalisés sont définis par rapport à une moyenne préindustrielle de 100 ans. Les modèles de changement sont assez similaires pour SSP126 et SSP585 à la fin du 21e siècle. En revanche, à la fin du 23e siècle, les schémas diffèrent davantage entre les deux scénarios: le SSP126 montre un schéma de réchauffement arctique assez similaire à celui de 2100, alors que le réchauffement relatif pour cette région dans le scénario SSP585 est moins sévère. Cependant, SSP585 en 2300 montre un réchauffement global plus fort dans l'hémisphère sud (si nous faisons la moyenne des valeurs sur les deux hémisphères, nous avons un rapport hémisphère nord à hémisphère sud de 1,13: 0,87 pour SSP585 contre 1,24: 0,76 pour SSP126), et ses modèles globaux sont plus homogènes que pour le scénario SSP126. Le premier montre plus de réchauffement sur l'océan Austral, tandis que le second présente un point froid notable dans le sud de l'océan Pacifique.

image
Distributions géographiques de la variation normalisée de la température de l' air près de la surface (en ° C ° C -1 ) pour le CMIP6 SSP126 (panels du haut) et SSP585 (panneaux inférieurs) scénario expériences, à la fin du 21e siècle (2070-2100 période , panneaux de gauche) et à la fin du 23ème siècle (2270–2300, panneaux de droite) comme simulé par le modèle IPSL-CM6A-LR. Le changement de température est défini par rapport à la valeur préindustrielle (moyenne sur 100 ans), et la normalisation consiste à diviser le changement de température locale par le changement de température moyenne globale de l'air à la surface.

Pour les précipitations, les modèles à la fin du 21e siècle sont similaires dans les scénarios SSP126 et SSP585, mais ils ont tendance à différer davantage à la fin du 23e siècle, avec une signature de précipitations un peu plus douce sur une partie de la région équatoriale pour le SSP585 expérience (Figure  33 ).

image
Identique à la figure  32 mais pour le changement relatif des précipitations de surface normalisé par le changement de température de surface moyenne globale (en% ° C -1 ).

7.3 Changements dans la glace de mer

Nous observons une réponse assez importante de la glace de mer aux forçages anthropiques du 21e siècle, beaucoup plus importante que dans IPSL-CM5A-LR. L'étendue de la glace de mer estivale dans l'Arctique (figure  16 ) répond davantage aux changements de la température moyenne mondiale (communauté SIMIP, 2020 ). Le taux de perte simulé par ° C du changement de température moyenne globale dans IPSL-CM6A-LR ( −3,39 ± 0,87 × 10 6  km 2  K −1 ) a largement augmenté par rapport à IPSL-CM5A-LR ( −1,48 ± 0,43 × 10 6  km 2  K −1 ) et IPSL-CM5A-MR ( −1,67 ± 0,87 × 10 6  km 2  K −1). Ceci est cohérent avec l'étendue de la glace de mer arctique proche de zéro pour tous les scénarios de IPSL-CM6A-LR - une caractéristique qui est partagée avec la majorité des modèles CMIP6. Il est également remarquable que la glace de mer hivernale disparaisse presque d'ici 2100 dans le scénario intensif en combustibles fossiles (SSP585), que certains des autres modèles CMIP6 prédisent également. Les causes possibles de cette plus grande sensibilité, qui devraient être étudiées plus avant, comprennent la chaleur de l'atmosphère arctique en hiver, un apport de chaleur océanique, des changements dans le forçage des aérosols et la dérive des glaces. La perte de volume de glace commence au début du XXe siècle et s'accélère au cours des trois dernières décennies du siècle. Ceci est suivi par une diminution constante au cours du 21e siècle. Dans l'océan Austral (Figure  17), c'est surtout la glace de mer d'hiver qui diminue au 21e siècle. La glace de mer d'été diminue également, mais moins clairement.

7.4 Changements dans les flux de carbone

Les flux nets de carbone terrestre et océanique pour les scénarios sont présentés à la figure  29 . L'absorption de carbone océanique devrait augmenter ou diminuer selon le scénario considéré, avec une saturation claire se produisant à de fortes concentrations de CO 2 (p. Ex., SSP585 et SSP460) et une diminution du puits lorsque le CO 2 atmosphérique diminue ou diminue. L'absorption nette de carbone terrestre culmine à environ 3 PgC an -1 entre 2020 et 2060 dans tous les scénarios avant de revenir à des valeurs proches de 0, voire négatives. La régulation à la baisse de la capacité photosynthétique maximale qui a été mise en œuvre pour tenir compte de l'impact de la limitation des nutriments sur le CO 2 effet de fertilisation (voir section  4.2 ) peut surestimer l'effet de limitation lorsque le CO 2 atmosphériquela concentration dépasse les 700 ppm (principalement après 2050) et peut donc expliquer ce comportement extrême à la fin du siècle. La formulation a été choisie pour reproduire largement le changement de la production primaire brute observée lors de l'expérience d'enrichissement en air libre lorsque le CO 2 est doublé (FACE Norby & Zak, 2011 ) mais nous avons négligé les réponses à des concentrations de CO 2 très élevées . Un nouveau paramétrage est en cours de conception et d'implémentation en option dans le modèle.

8 Conclusions

Nous avons décrit les principales caractéristiques du modèle climatique IPSL-CM6A-LR qui a été développé à l'IPSL pour CMIP6. Nous discutons de la mise en œuvre des forçages climatiques dans le modèle de Lurton et al. ( 2020 ) et discutera de la philosophie et de la méthodologie de développement dans un futur article. Par rapport à la génération précédente de modèle IPSL, plusieurs améliorations ont été apportées au modèle: des paramétrisations plus physiques (par exemple, Hourdin, Rio, Grandpeix, et al., 2020a), une mise en œuvre plus réaliste de certains forçages (par exemple, les aérosols stratosphériques) et un réglage plus systématique des paramètres ajustables en vue de simuler des aspects clés de la climatologie du modèle (SST, AMOC et glace de mer arctique). Les performances du modèle IPSL-CM6A-LR sont considérablement améliorées par rapport à IPSL-CM5A-LR et IPSL-CM5A-MR et se comparent bien à d'autres modèles CMIP6 publiés pour un certain nombre de mesures. Cependant, certains biais et lacunes régionaux systématiques persistent (par exemple, double ITCZ, fréquence des blocages hivernaux en latitudes moyennes et dynamique ENSO).

L'ECS effectif (calculé à partir d'une régression de 300 ans sur le 4xCO2 brusque et divisé par un facteur de 2) passe de 4,1 à 4,8 K entre IPSL-CM5A-LR et IPSL-CM6A-LR. Le TCR augmente en conséquence de 2,1 à 2,4 K. L'ECS accru est dû à des contributions accrues des ajustements rapides troposphériques et au taux de déchéance combiné et à la rétroaction de la vapeur d'eau, qui ne sont que partiellement compensés par des rétroactions nuageuses moins positives.

Un grand ensemble de 32 membres historiques a été joué avec IPSL-CM6A-LR. L'augmentation de la température moyenne globale de l'air à la surface simulée par le modèle est comprise entre 1,1 et 1,6 K en 2014 par rapport à 1850–1899 (pour les membres de l'ensemble). Alors que la moyenne de l'ensemble se réchauffe plus que les observations, certains membres sont plus cohérents avec les observations. L'IPSL-CM6A-LR montre un réchauffement de 1,6 à 6,8 K en 2100 dans tous les scénarios par rapport à la même période de 1850 à 1899. Le modèle IPSL-CM6A-LR présente une réponse de la glace de mer aux forçages climatiques du 21e siècle sur la plage haute par rapport aux autres modèles CMIP5 et CMIP6.

Une série d'autres articles de la collection spéciale évaluent plus en détail des aspects particuliers du modèle IPSL-CM6A-LR. Une évaluation complète du modèle exigera beaucoup plus de travail dans les années à venir. Nous prévoyons que cela se produira dans le cadre de l'ensemble multimodèle CMIP6 sur la base de la grande quantité de données que nous avons publiées sur l'ESGF.

Conflit d'intérêt

Les auteurs ne déclarent aucun intérêt concurrent.

Remerciements

Les auteurs remercient les développeurs du logiciel OASIS et des composants du modèle Earth System qui ne figurent pas dans la liste des auteurs. Ce travail a été réalisé dans le cadre du L ‐ IPSL LABEX et de l'IPSL Climate Graduate School EUR. À ce titre, elle a bénéficié de l'aide d'État française gérée par l'ANR dans le cadre du programme «Investissements d'avenir» avec la référence ANR-11-IDEX-0004-17-EURE-0006. Il a également bénéficié du projet Belmont GOTHAM, sous subvention ANR-15-JCLI-0004-01, du projet ANR ARISE sous subvention ANR-18-CE01-0012, projet ANR CONVERGENCE, sous subvention ANR-13-MONU-0008 et MOPGA / Projet Investissements d'Avenir Archange, dans le cadre de la subvention ANR-18-MPGA-0001. Le projet CMIP6 à l'IPSL a utilisé les ressources HPC du TGCC dans le cadre des allocations 2016-A0030107732, 2017-R0040110492, et 2018 ‐ R0040110492 (projet gencmip6) fourni par GENCI (Grand Équipement National de Calcul Intensif). Cette étude a bénéficié du centre de calcul et de données ESPRI (Ensemble de Services Pour la Recherche l'IPSL) (https://mesocentre.ipsl.fr ) qui est soutenu par le CNRS, la Sorbonne Université, l'École Polytechnique et le CNES et par des bourses nationales et internationales. Le soutien du programme-cadre Horizon 2020 de la Commission européenne est reconnu, au titre de la convention de subvention n ° 641816 pour le projet «Recherche coordonnée sur les systèmes terrestres et le climat: expériences, connaissances, diffusion et sensibilisation (CRESCENDO)» (11 / 2015‐10 / 2020) et dans le cadre de la convention de subvention n ° 820829 pour le projet «Contraindre l'incertitude des projections climatiques multidécennales (CONSTRAIN)». Peter Gleckler et ses collègues du Programme de diagnostic et d'intercomparaison des modèles climatiques (PCMDI) sont reconnus pour leur contribution à l'ensemble de mesures de performance. Pour les analyses, nous avons utilisé Python, CDO (https://code.mpimet.mpg.de/projects/cdo ), NCL ( http://ncl.ucar.edu/ ), R ( https://www.R-project.org/ ) et ont profité de la bibliothèque CliMAF Python (Climate Model Assessment Framework, https://github.com/rigoudyg/climaf ).

Recherche ouverte

Les références
Citant la littérature