Vers une amélioration du schéma statistique de nuages de méso-échelle dans les modèles AROME et Méso-NH

Towards an improvment of the statistical cloud scheme at mesoscale resolution for the AROME and méso-NH models

• Auteur / Autrice : Emilie Perraud
• Direction : Valéry Masson, Sylvie Malardel
• Type : Thèse de doctorat
• Discipline(s) : Météorologie
• Date : Soutenance en 2010
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Nuages

Mots clés libres

Nuages de couche limite

Variabilité nuageuse sous-maille horizontale

Schéma statistique

Méso-échelle

Ajustement à saturation

Distribution bimodale

Résumé

Une bonne représentation des nuages est essentielle à la qualité des modèles de prévision numérique du temps comme AROME (Delta x=2,5km) et Méso-NH. A des résolutions de méso-échelle, les nuages de couche limite (cumulus peu profonds et stratocumulus) sont encore associés à des processus de transport et de formation sous-maille dont il faut améliorer la représentation. La paramétrisation des processus de condensation/évaporation consiste en un ajustement à saturation visant à rétablir l'équilibre thermodynamique entre les phases de l'eau. Les nuages résolus à l'échelle de la maille sont communément traités par un schéma '' tout ou rien '' dans lequel chaque maille de modèle est considérée comme totalement claire ou nuageuse. Les schémas de nuages sous-maille adoptent couramment une description statistique de la variabilité sous-maille horizontale des variables d'humidité et de température. Une analyse statistique détaillée de données de fine échelle, obtenues à partir de simulations LES pour des cas de nuages chauds non-précipitants de couche limite, a été réalisée. Elle montre qu'à méso-échelle, l'utilisation d'une distribution statistique double gaussienne, associée à une variable traduisant l'écart local à la saturation dans la maille, fournit une bonne estimation des champs nuageux et des hauteurs de base et de sommet des nuages. En cas de cumulus épars, une méthode d'échantillonnage de données de fine échelle (LES) a montré que le mode principal sec, associé à l'environnement, peut être relié à un schéma de turbulence. Un schéma en flux de masse convectif peut être utilisé pour caractériser le second mode, associé aux thermiques peu profonds.

A good representation of clouds is essential for the quality of numerical weather prediction (NWP) models such as AROME (Delta x=2,5km) and Méso-NH. With mesoscale resolutions, boundary-layer clouds such as shallow cumulus and stratocumulus are still linked with subgrid processes and it is necessary to improve their representation. The parameterization of the condensation/evaporation processes consists in a saturation adjustment in order to restore the thermodynamic equilibrium between the phases of water. Resolved clouds are commonly treated with an ''all or nothing'' scheme considering that a model gridbox is totally clear or cloudy. Subgrid cloud schemes currently assume a statistical description of the horizontal subgrid variability of humidity and temperature variables. A comprehensive statistical analysis of cloud fine scale data, obtained from LES simulations for non-precipitating warm boundary-layer clouds, was carried out. For mesoscale resolutions, it shows that the use of a double Gaussian distribution, associated to a single variable depicting the local distance to the saturation inside the model gridbox, provides a good estimation of the cloud fields and of the cloud base and cloud top heights. For sparse cumulus cases, a conditional sampling method shows that the dry main mode, linked to the cloud environment, would be connected to an eddy diffusivity scheme. A convective mass flux scheme could be used to characterize the cloudy second mode, associated to shallow thermals.