Orateur: Lauriane Batté

exposé

Les prévisions saisonnières issues de modèles de circulation générale tendent à sous-estimer la variabilité naturelle du climat. Une des pistes d'amélioration est d'accroître la dispersion des ensembles de prévisions afin d'obtenir des prévisions probabilistes plus en accord avec le climat observé. Plusieurs méthodes ont été expérimentées, comme la perturbation de paramètres physiques d'un modèle ou encore la prévision multi-modèle. On présente ici une méthode originale récemment développée au CNRM, qui consiste à introduire des perturbations stochastiques à la dynamique du modèle d'atmosphère Arpège-Climat en cours de prévision. Les champs perturbés sont les champs spectraux de température, de fonction de courant et d'humidité spécifique. Les perturbations sont additives, et tirées parmi des populations de corrections d'erreurs du modèle couplé CNRM-CM5 rappelé vers la réanalyse ERA-Interim. L'étude de ces populations de corrections donne un aperçu des erreurs du modèle en prévision saisonnière.

Plusieurs versions de cette méthode ont été testées en prévision saisonnière sur la période 1979-2010, en incluant une classification des populations de corrections en fonction de différents critères. Si cette méthode permet d'améliorer la prévisibilité de la hauteur moyenne de géopotentiel à 500 hPa sur l'hémisphère Nord à l'échelle saisonnière, qu'en est-il de la représentation de la variabilité de la circulation atmosphérique à grande échelle ? Afin de répondre à cette question, on étudiera l'impact des perturbations stochastiques ainsi introduites sur les fréquences et transitions des régimes de temps hivernaux sur l'Atlantique Nord.