estimation du rayonnement solaire dans le sud

XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
ESTIMATION DU RAYONNEMENT SOLAIRE DANS LE SUD-OUEST
DE L’OCÉAN INDIEN ET À LA RÉUNION :
MODÉLISATION RÉGIONALE DU CLIMAT
LI P. (1), MOREL B. (1), SOLMON F. (2), POHL B. (3), BESSAFI M. (1)
(1) Laboratoire d’Énergétique, d’Électronique et des Procédés, Université de La Réunion, 15 avenue René
Cassin CS 92003, 97744 Saint-Denis de La Réunion cedex, France [[email protected] ;
[email protected] ; [email protected]]
(2) ICTP (UNESCO-IAEA), Strada Costiera 1, 34014 Trieste, Italy [[email protected]]
(3) Centre de Recherches de Climatologie / Biogéosciences, UMR 6282 CNRS / université de Bourgogne, 6 bd
Gabriel, 21000 Dijon, France [[email protected]]
Résumé – On analyse ici la capacité du modèle climatique régional RegCM4 à simuler les champs radiatifs, la température
de surface et les précipitations sur un domaine couvrant l’Afrique australe et le sud-ouest de l’océan Indien (0-40°S ; 0100°E), centré sur La Réunion. Les données produites par le modèle sont confrontées aux données d’observations CERES
pour les paramètres du rayonnement (ondes courtes et longues) et GPCP pour les précipitations, et aux données des
réanalyses ERA-Interim pour la température. Six simulations ont été conduites, chacune avec un schéma de convection
différent, afin de tester la sensibilité des résultats à la physique du modèle.
Le schéma mixte de Grell sur les terres et Emanuel sur les océans, donne les résultats les plus satisfaisants du point de la vue
de la température, des précipitations et du rayonnement solaire (ondes courtes), malgré des biais humides et froids plus
marqués sur l’Afrique de l’Est et Madagascar et des biais importants pour ce qui concerne le rayonnement solaire partout
sur le domaine. Une raison possible viendrait du fait que les simulations produites dans ce travail ne prennent pas en compte
le forçage par les aérosols. La bonne performance du modèle est toutefois à noter pour une zone à l’est de Madagascar,
incluant l’île de La Réunion.
Mots-clés : rayonnement solaire, température, précipitation, modèle régional de climat, sud-ouest de l’océan Indien,
moyennes saisonnières.
Abstract – Estimating solar radiation over the south-west Indian ocean and Reunion Island: regional climate modelling.
We analyse the capabilities of the regional climate model RegCM4 in simulating the radiative fields, temperature and
precipitations over a domain covering Southern Africa and the south-western Indian ocean [0-40°S ; 0-100°E], centered on
Reunion. Model outputs are compared to observational data as taken from CERES for the long and short wave radiative
parameters and GPCP for the precipitation, and to ERA-Interim reanalyses for the temperature. In order to assess the
sensitivity of the results to the physical package of the model, six simulations are conducted, each with a different convective
scheme.
Results from the mixed convection scheme Grell over the lands and Emanuel over the oceans, are the most satisfatory in
terms of temperature, precipitation and solar irradiation, in spite of marked wet and cold biases over Eastern Africa and
Madagascar and strong biases in solar irradiation throughout the domain. This may be due to the fact that the simulations
performed in this work do not take into account forcing by the aerosols. The good performance of the model is however to be
noticed for the area eastward of Madagacar, including Reunion Island.
Keywords: solar irradiation, temperature, precipitation, regional climate model, south-west Indian ocean, seasonal means.
Introduction
La région sud-ouest de l’océan Indien, par sa localisation subtropicale, dispose en théorie
d’un fort potentiel en matière de gisement solaire. À cet égard, l’île de La Réunion par
exemple, qui vise l’autonomie énergétique à l’horizon 2030, s’est engagée activement en
faveur du développement des systèmes utilisant l’énergie solaire. Pour le dimensionnement et
le déploiement de ces systèmes, une connaissance très approfondie du potentiel solaire de l’île
est toutefois indispensable.
Le rayonnement solaire reçu au sol présente en effet une forte variabilité spatiale et
temporelle en lien avec le climat. La répartition du rayonnement solaire à la surface est
conditionnée généralement par la nébulosité et la hauteur du soleil. Les principales causes de
nébulosité qui prévalent dans la région sud-ouest de l’océan Indien sont les perturbations
tropicales (alizés, zone de convergence intertropicale, cyclones tropicaux, mousson indienne,
ondes tropicales, MJO, ENSO). Les effets du relief, si ceux-ci sont très marqués — comme
c’est le cas à La Réunion — peuvent également moduler le rayonnement solaire reçu au sol
via des processus connus tels que les brises de mer et de terre et les effets de pente.
501
XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
À ce jour, la plupart des données de rayonnement solaire proviennent de mesures par
satellite (mais dont la profondeur et la résolution temporelle limitent les études de variabilité
temporelle), ou par des stations au sol (à La Réunion, une quarantaine de stations du réseau de
mesure Météo France inégalement réparties sur le territoire, limitant les études de variabilité
spatiale). Pour documenter la variabilité du rayonnement solaire au sol, il est donc nécessaire
de développer des données de rayonnement solaire en points de grille à haute résolution avec
une couverture spatiale et temporelle continue. Dans cette étude, on propose d’utiliser une
approche originale, couplant les sorties d’un modèle de climat régional (RCM) hydrostatique,
le modèle RegCM, avec une méthode géostatistique. Dans une première étape, il est
nécessaire de rechercher la configuration optimale pour le modèle sur un domaine couvrant
l’Afrique australe sur laquelle de nombreuses études ont déjà été conduites avec RegCM (e.g.,
Sylla et al., 2012 ; Mariotti et al., 2013), mais étendu au sud-ouest de l’océan Indien. Ce
travail présente les résultats d’une première série de tests, afin d’évaluer les performances et
la sensibilité du modèle RegCM sur ce domaine étendu en général et sur La Réunion en
particulier.
1. Modélisation régionale de climat
Des simulations régionales sont conduites avec le modèle hydrostatique RegCM version 4
(Giorgi et al., 2012) à une résolution spatiale de 50 km et dix-huit niveaux verticaux, sur le
domaine 0-40°S et 0-100°E centré sur La Réunion (Fig. 1). Les simulations sont initialisées
au 1er janvier 1999 avec une mise à l’équilibre de un an. Les sorties analysées couvrent la
période 2000-2009. La configuration physique adoptée est la suivante : version modifiée du
modèle CCM3 (Kiehl et al., 1996) pour le traitement du transfert radiatif ; version modifiée
du schéma de Holtslag (1990) pour la description de la couche limite planétaire ; schéma de
précipitation grande échelle explicite, SUBEX (Pal et al., 2000) ; schémas de surface
océanique de Zeng et al. (1998) et continentale BATS (Dickinson et al., 1993).
L’intensité du rayonnement solaire incident à la surface dépendant de la couverture
nuageuse, une étude de sensibilité à la paramétrisation de la convection nuageuse est
effectuée. Six schémas parmi ceux disponibles dans la version 4 du modèle sont testés : MIT
Emanuel (1991) ; Grell (1993) avec fermeture de Arakawa-Schubert (1974) : Grell_A ; Grell
(1993) avec fermeture de Fritsch-Chappell (1980) : Grell_F ; Grell (1993) avec fermeture de
Fritsch-Chappell (1980) sur les continents et Emanuel (1991) sur les océans : Grell_Emanuel ;
Emanuel (1991) sur les continents et Grell (1993) avec fermeture de Fritsch-Chappell (1980)
sur les océans : Emanuel_Grell ; Tiedtke (1986). Le forçage large échelle latéral est fourni
toutes les 6 h par les réanalyses ERA-Interim (Simmons et al., 2007 ; Dee et al., 2011) avec
une résolution de 1.5° × 1.5°. Les températures de surface de la mer sont prescrites toutes les
6 h par interpolation linéaire des données hebdomadaires de la NOAA (OA-V2 ; Reynolds et
al., 2002) avec une résolution de 1° × 1°.
Les données utilisées pour la validation des sorties du modèle RegCM sur le domaine
SOOI consistent en des données d’observation et de réanalyses. Nous utilisons principalement
les données mensuelles de température de surface d’ERA-Interim avec une résolution de
1.5° × 1.5°, les données mensuelles de pluie GPCP (Version 2.1 ; Adler et al., 2003) avec une
résolution de 2.5° × 2.5°, et les données mensuelles CERES d’éclairement énergétique de
longueur d’onde longue et courte : ciel total, ciel clair, couche supérieure de l’atmosphère et
au sol, avec une résolution de 1° × 1° (http://ceres.larc.nasa.gov/).
2. Résultats
Les biais du modèle, en moyenne sur la période estivale (novembre-avril), pour divers
paramètres radiatifs, sont montrés sur la figure 1. Les résultats pour la période hivernale (mai-
502
XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
octobre) sont semblables en qualité, et ne sont pas montrés ici. Les biais moyens du modèle,
pour les précipitations et la température à 2 m, sont montrés sur la figure 2.
Les flux radiatifs nets de longueur d’onde longue (ciel clair, ciel total) au sommet de
l’atmosphère, LWN Clear/All Sky TOA, présentent une structure bipolaire pour tous les
schémas, avec des valeurs positives en région subéquatoriale, et négatives dans les régions au
sud de 20°S. Les schémas de Grell (Grell_A et Grell_F) et d’Emanuel ont tendance à produire
des effets contrastés : avec les premiers (le dernier), le modèle surestime (sous-estime) plus
clairement les flux LWN TOA en région subéquatoriale (subtropicale), avec des biais de
l’ordre de 30W/m2 (–30W/m2) sur de larges zones. Les schémas mixtes (Grell_Emanuel et
Emanuel_Grell) permettent d’atténuer ces contrastes.
Les flux radiatifs vers le bas de longueur d’onde longue à la surface, LW Surface,
présentent des structures différentes en fonction des schémas, avec des biais positifs sur
l’océan Indien et négatifs sur l’Afrique australe pour les schémas de Grell (Grell_A et
Grell_F), et des biais clairement négatifs quasiment sur tout le domaine pour le schéma
d’Emanuel. Les schémas mixtes reproduisent ces biais sur les zones dans lesquelles schémas
de Grell et schéma d’Emanuel sont activés. Pour le schéma de Tiedtke, une zone réduite de
biais faiblement positifs est à noter dans le sud-est de l’océan Indien. Pour les flux radiatifs
nets de longueur d’onde longue à la surface, LWN Surface, les biais sur les régions
océaniques restent semblables à ceux pour les flux LW Surface. Pour tous les schémas, des
biais positifs sont à noter sur les régions les plus à l’est des surfaces émergées (sur la façade
est de l’Afrique, du cap Occidental jusqu’au Mozambique, et sur la façade est de
Madagascar).
Figure 1 : Biais moyens de RegCM par rapport aux produits CERES (en W/m2), en été, pour les différents
schémas de convection testés (en ligne) et les flux radiatifs ondes longues et courtes à la surface
et au sommet de l’atmosphère (en colonne). LW : flux ondes longues ; LWN : flux net ondes longues ;
SWN : flux net ondes courtes
Le modèle surestime très largement les flux radiatifs nets de longueur d’onde courte à la
surface, SWN Surface (au-delà de 50W/m2 à la frontière est du domaine pour tous les
503
XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
schémas, mais également à la frontière ouest du domaine pour les schémas d’Emanuel et
Grell_Emanuel). Le modèle sous-estime plus faiblement le flux solaire incident à la surface,
en particulier sur une zone réduite de la façade sud-ouest de l’Afrique du Sud pour tous les
schémas, et sur une zone plus large couvrant l’océan Indien pour les schémas de Grell,
Emanuel_Grell et Tiedtke. Les biais dans les flux radiatifs nets de longueur d’onde courte au
sommet de l’atmosphère, SWN All Sky TOA sont plutôt positifs sur le continent africain et
dans l’ouest de l’océan Indien, et négatifs ailleurs. Il est à noter que les simulations produites
dans ce travail n’incluent pas le forçage par les aérosols, qui induirait une absorption et une
diffusion atmosphérique accrue, réduisant le flux solaire incident à la surface. L’archivage des
données toutes les 6 h, pour des paramètres fortement influencés par la course du soleil,
pourrait aussi expliquer en partie les forts biais relevés ici.
Les biais dans la température de surface peuvent être reliés à ceux dans les flux LWN
Surface : les biais froids (chauds) sont localisés dans les régions où le modèle surestime
(sous-estime) les flux LWN Surface. Les biais froids sont plus marqués sur l’océan Indien
pour les schémas de Grell (Grell_A et Grell_F) et Emanuel_Grell. Ce sont aussi les schémas
pour lesquels apparaissent les biais négatifs dans les flux radiatifs SWN Surface. Le modèle
simule des températures de surface trop élevées (valeurs de biais >8°C) sur le bassin du
Congo pour le schéma de Tiedtke.
Tous les schémas sous-estiment les précipitations dans la zone nord-est de l’océan Indien,
en particulier Grell_A et Grell_F, et Emanuel_Grell. Tous les schémas, à l’exception de
Grell_A, surestiment les précipitations à l’intérieur des terres et les sous-estiment sur les
façades atlantique et indienne dans la bande de latitude 5-20°S. Qu’il s’agisse de la
température ou des précipitations, les biais restent faibles dans la zone à l’est de Madagascar,
incluant l’île de La Réunion.
Figure 2 : Identique à la figure 1,
mais pour les biais moyens de
RegCM par rapport aux produits
GPCP pour les précipitations (en
mm/jour), et les réanalyses
d’ERA-Interim pour la température (en °C)
504
XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
Les diagrammes de Taylor sur les figures 3, 4 et 5 permettent de résumer l’aptitude du
modèle RegCM à reproduire les structures spatiales observées, respectivement, de
température, précipitation et flux radiatifs LW et SW nets à la surface, pour les tests effectués
sur les schémas de convection. Les structures simulées qui coïncident le mieux avec celles
observées sont celles présentant les valeurs du coefficient de corrélation les plus élevées et les
valeurs de l’erreur quadratique moyenne les plus faibles. À partir de ces figures, on s’aperçoit
que pour les deux paramètres : température et précipitation, le schéma de Grell_Emanuel est
celui donnant les plus fortes valeurs du coefficient de corrélation (r légèrement au-dessus de
0.75 pour les précipitations ; r ≈ 0.95 pour la température). C’est le schéma qui a été retenu
dans le cadre du programme CORDEX (L. Mariotti, communication personnelle). Pour ce
schéma, les valeurs de l’erreur quadratique moyenne entre structures de précipitations
simulées et observées sont proches des valeurs d’écart-type pour les observations (SD observé
= 2.1–2.2 mm/jour ; RMSD = 2.0 mm/jour). Pour la température, en revanche, le modèle, avec
ce même schéma, présente une variabilité spatiale plus faible que les observations (SD
observé = 2.8–2.9°C > RMSD = 1.0°C). C’est aussi le schéma pour lequel le modèle est plus
clairement capable de reproduire les structures spatiales des flux radiatifs SW (r ≈ 0.6 pour les
flux SWN Surface ; Fig. 5), même si, pour les flux radiatifs LW, les résultats sont plus
contrastés (Fig. 5).
Figure 3 : Diagrammes de Talyor des
précipitations. Les sorties du modèle pour les
différents schémas de convection sont comparées
aux observations du GPCP, à l’aide des métriques
suivantes : écart-type des structures spatiales
simulées (SD en mm/jour) ; erreur quadratique
moyenne entre structures spatiales simulées et
observées (RMSD, en mm/jour) ; coefficient de
corrélation r
Figure 4 : Identique à la figure 3, mais pour la
température. Les sorties du modèle sont
comparées aux données d’ERA-Interim
Figure 5 : Identique à la figure 3, mais pour les flux radiatifs LWN (gauche) et SWN (droite) à la surface.
Les sorties du modèle sont comparées aux observations CERES
505
XXVIIe Colloque de l’Association Internationale de Climatologie
2-5 juillet 2014 – Dijon (France)
Conclusion et perspectives
Les simulations effectuées avec le modèle RegCM présentent une grande sensibilité au
choix de la paramétrisation de la convection. Du point de vue de la température, des
précipitations et des flux radiatifs SW, le schéma de Grell_Emanuel est celui produisant les
résultats les plus satisfaisants. Des tests complémentaires seront effectués sur les valeurs des
paramètres de ce schéma pour améliorer la répartition des précipitations. D’autres tests
pourront être menés sur l’effet des aérosols, le choix du schéma radiatif, ou la résolution du
domaine. En particulier, il est prévu de conduire des simulations à une résolution de 10 km,
puis d’appliquer une méthode de régression-krigeage sur les sorties radiatives pour atteindre
l’échelle locale (~100 m) à La Réunion en tenant compte les effets du relief. Les résultats
seront comparés aux résultats produits par le modèle non-hydrostatique WRF.
Références bibliographiques
Adler S.G. and Coauthors, 2003: The Version 2 Global Precipitation Climatology Project (GPCP) Monthly
Precipitation Analysis (1979-Present). J. Hydrometeor., 4, 1 147-1 167.
Arakawa A., Schubert W.H., 1974: Interaction of a cumulus cloud ensemble with the large-scale environment,
Part I. J. Atmos. Sci., 31, 674-701.
Dee D.P. and Coauthors, 2011: The ERA-Interim reanalysis: configuration and performance of the data
assimilation system. Q. J. R. Meteorol. Soc., 137, 553-597, doi:10.1002/qj.828.
Dickinson R.E., Henderson-Sellers A, Kennedy P., 1993: Biosphere-atmosphere transfer scheme (BATS) version
1e as coupled to the NCAR community climate model. Tech Rep, National Center for Atmospheric Research
Tech Note NCAR. TN-387+STR, NCAR, Boulder, CO, 72 p.
Emanuel K., 1991: A scheme for representing cumulus convection in large scale models. J. Atmos. Sci., 48,
2 313-2 335.
Fritsch J.M., Chappell C.F., 1980: Numerical prediction of convectively driven mesoscale pressure systems. Part
I: convective parameterization. J. Atmos. Sci., 37, 1 722-1 733.
Giorgi F., Coppola F., Solmon F., Mariotti and Coauthors, 2012: RegCM4: model description and preliminary
tests over multiple CORDEX domains. Clim. Res., 52, 7-29.
Grell G.A., 1993: Prognostic evaluation of assumptions used by cumulus parameterizations. Mon. Weather Rev.,
121, 764-787.
Holtslag A., de Bruijn E., Pan H.L., 1990: A high resolution air mass transformation model for short range
weather forecasting. Mon. Weather Rev., 118, 1 561-1 575.
Kiehl J.T., Hack J.J, Bonan G.B., Boville B.A. and Coauthors, 1996: Description of the NCAR community
climate model (CCM3). NCAR/TN-4201STR, 152, MCAR, Boulder, CO, 152 p.
Mariotti L., Coppola E., Giorgi F., 2013: The Phase I CORDEX REgCM4 hyper-MAtrix (CREMA) experiment:
the African domain. EGU General Assembly, 7-12 April, 2013, Vienna, Austria, id. EGU2013-4957.
Pal J.S., Small E.E., Eltahir E.A.B., 2000: Simulation of regional-scale water and energy budgets: representation
of subgrid cloud and precipitation processes within RegCM. J. Geophy. Res., 105(D24), 29 575-29 594.
Reynolds R.W., Rayner N.A., Smith T.M., Stokes D.C., Wang W., 2002: An improved in situ and satellite SST
analysis for climate. J. Climate, 15, 1 609-1 625.
Simmons A.J., Uppala S.M., Dee D.P. and Kobayashi S., 2007: ERA-interim: new ECMWF reanalysis products
from 1989 onwards. ECMWF Newsl., 110, 25-35.
Sylla M.B., Giorgi F., Stordal F., 2012: Large-scale origins of rainfall and temperature bias in high-resolution
simulations over southern Africa. Clim. Res., 52, 193-211.
Tiedtke M., 1989: A comprehensive mass-flux scheme for cumulus parameterization in large-scale models. Mon.
Weather Rev., 117, 1 779-1 800.
Zeng X., Zhao M., Dickinson R.E, 1998: Intercomparison of bulk aerodynamic algorithms for the computation
of sea surface fluxes using TOGA COARE and TAO data. J. Clim., 11, 2 628-2 644.
506

Download Report