Évaluation des tendances et de la variabilité de la vapeur d'eau dans les réanalyses

atmosphériques globales à l'aide d'observations GNSS au sol

O. Bock (1), S. Bastin (2), A. Parracho (2)

(1) IPGP, IGN, Univ Paris Diderot, Sorbonne Paris Cité, Paris, France,

(2) Université Versailles St-Quentin ; Sorbonne Universités ; CNRS/INSU, LATMOS-IPSL, Guyancourt, France

Ateliers de Modélisation de l'Atmosphère 2019

1/19

• Contexte: • EU Action COST GNSS4SWEC (GNSS for Severe Weather Events and Climate

monitoring, 2013-2017)

• Thèse Ana Parracho, ED129 (soutenue 12 Déc. 2017)

• Projet VEGA (Vapeur d’Eau, Gnss et climAt), LEFE/INSU (2018-2021)

• Motivations: • Evaluation des incertitudes du cycle de l’eau dans les réanalyses et modèles

de climat globaux (CMIP5-6) et régionaux (UERRA, CORDEX)

• Analyse de la tendance et de la variabilité IWV, T, precip, dynamique

• IWV (vapeur d’eau intégrée) validée avec obs GPS/GNSS (non assimilées) et données satellites (micro-ondes et UV/VIS/IR)

• Signal climatique fort (Clausius-Clapeyron: 6-7% IWV K-1) mais forte dispersion des modèles en ΔIWV et ΔT

2/19

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

Tendance décennale de IWV et T dans les océans tropicaux (20°S – 20°N), 1988–2012.

reanalyses

satellites

models

3/19

IPCC AR5 WG1 Chap. 9 (Flato et al., 2013)

ΔIW

V

ΔT

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

• Plan de la présentation • Résultats de la thèse d’A. Parracho:

• ERA-Interim & MERRA-2 (1980-2016)

• Réanalyses vs. GPS (IGS repro1, 120 stations, 1995-2010)

• Comparaison des moyennes / variabilités / tendances

• Perspectives: • Résultats préliminaires: autres réanalyses (ERA20C, 20CR) et nouveau jeu de données

GNSS (436 stations, 1994-2018)

4/19

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

IGS repro1, 1995-2010

• Parracho et al., ACP, 2018 IWV trends & variability ERAI, MERRA2, GPS

• Bastin et al., ACP, 2019 Humidity biases & precip (CORDEX)

• Bock and Parracho, ACPD, 2019 (in review) Representativeness GPS & ERAI

• Données GNSS: https://en.aeris-data.fr/

5/19

MERRA2

ERAI

1980-2016 Mean IWV Variability Trends Conclusions Introduction

(DJF)

6/19

1980-2016 Mean IWV Variability Trends Conclusions Introduction

MERRA2

ERAI (JJA)

7/19

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

ERAI Reanalyse - GNSS

(1995-2010)

8/19

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

ERAI Reanalyse - GNSS

(1995-2010)

MERRA2 - ERAI

9/19

Introduction Data & methods Mean IWV Variability Trends Conclusions

MERRA2 ERAI GPS

1980-2016

ERAI MERRA2 - ERAI ERAI, MERRA2, GNSS

(1995-2010)

10/19

Introduction Data & methods Mean IWV Variability Trends Conclusions

ERAI

1980-2016

(1995-2010)

MERRA2

ERAI - GPS mean=-0.68 std=+2.51 r=+0.716 MERRA2 - GPS mean=+0.06 std=+2.40 r=+0.728

ERAI - MERRA2 mean=-0.73 std=+1.78 r=+0.815

(% / decade)

ERAI

MERRA2

11/19

Introduction Data & methods Mean IWV Variability Trends Conclusions

Antarctica

1980-2016

ERAI

MERRA2

12/19

Introduction Data & methods Mean IWV Variability Trends Conclusions

Africa

1980-2016

ERAI

MERRA2

Indonesia

13/19

Introduction Data & methods Mean IWV Variability Trends Conclusions 1980-2016

ERAI

MERRA2

Coco Island

14/19

Introduction Data & methods Mean IWV Variability Trends Conclusions 1980-2016

ERAI

MERRA2

Guam

15/19

Introduction Data & methods Mean IWV Variability Trends Conclusions 1980-2016

16/19

Introduction Data & methods Mean IWV Variability Trends Conclusions

Wuhan

RS

1980-2016

ERAI

MERRA2

• Résumé des comparaisons ERAI-MERRA2-GPS: • Des biais humides aux latitudes élevées dans les deux réanalyses et des biais

opposés dans les tropiques (pb assimilation, diff. obs assimilées)

• Variabilité interannuelle bien représentée (circulation bien représentée)

• Tendance: bon accord global avec GPS mais des incohérences en Antarctique, Indonésie, Asie, Afrique (biais modèles, pb assimilation, diff. & variations obs)

• Perspectives: • Confirmer les hypothèses biais/dérives IWV avec les obs-stats + analyser lien

avec biais/dérives precip et transport VE (éch. régionale)

• Comparer avec des réanalyses de nouvelle génération (ERA5, JRA55), des réanalyses du XXe siècle (ERA20C, 20CR) et des GCM (CMIP6)

• Etude de Détection-Attribution de la tendance IWV (GCM + GNSS)

• Nouveau jeu de données GNSS (1994-2018) reprocessing + homogénéisation (thèse A. Quarello)

17/19

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

ERAI ERA20C

MERRA2 20CR

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

18/19

Nouveau jeu de données GNSS étendu (436 stations, 1994-2018).

19/19

(60°S-60°N)

Introduction 1980-2016 Mean IWV Variability Trends Conclusions

https://en.aeris-data.fr/

20

21

Introduction Data & methods Mean IWV Variability Trends Conclusions

Irkoutsk

1980-2016

ERAI

MERRA2

22

Map of TCWV anomaly from the ERA5 reanalysis for 2018

relative to a 1981-2010 base period.

(60°S-60°N)

C. Mears, S. P. Ho, O. Bock, X. Zhou, and J. Nicolas

BAMS Climate of the Year, edition 2019 (in preparation)