Les grilles terrestres indiquent le noyau dynamique du composant du modèle atmosphérique dans FGOALS-f3-L, tandis que les nuages et les précipitations associées indiquent le schéma physique clé du modèle atmosphérique - le schéma de résolution des précipitations convectives (RCP) - qui rend le modèle sensible à l'échelle et rapide en termes de calcul. Basé sur le supercalculateur 'Tianhe 2', comme indiqué sous le globe quadrillé, les auteurs complètent les expériences CMIP6 AMIP, ce qui contribuera grandement à notre compréhension des événements climatiques extrêmes tels que les typhons, inondations, la sécheresse, et tempêtes de neige. De plus, ces ensembles de données contribueront également à la référence des comportements des modèles actuels pour la continuité souhaitée du CMIP. Crédit :Avancées des sciences de l'atmosphère
Les modèles numériques sont un outil clé pour les climatologues pour comprendre le passé, le changement climatique présent et futur résultant des effets naturels, variabilité non forcée ou en réponse à des changements, selon le Dr Qing Bao, Chercheur au State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics (LASG), Institut de Physique Atmosphérique (IAP), Académie chinoise des sciences (CAS), et l'auteur correspondant d'une étude récemment publiée.
"Changement climatique, comme le réchauffement climatique, influencer considérablement la société humaine sous tous ses aspects, et la prévision climatique est un sujet brûlant constant dans la communauté scientifique du climat, " explique le Dr Bao. " Le projet d'intercomparaison de modèles couplés (CMIP), organisé sous les auspices du Groupe de travail du Programme mondial de recherche sur le climat sur la modélisation couplée, utilise des modèles climatiques de pointe pour fournir une base de preuves physiques aux décideurs, comme le GIEC (Groupe d'experts intergouvernemental sur l'évolution du climat)".
Le Dr Bao et son équipe de modèles, un groupe de chercheurs du LASG/IAP, sont en charge du développement du modèle atmosphérique du modèle climatique FGOALS-f3-L de CAS. Ils ont récemment terminé les simulations AMIP (Atmospheric Model Intercomparison Project) dans la sixième phase du CMIP et ont publié leurs ensembles de données des nœuds ESGF (Earth System Grid Federation) en tant que document de description des données dans Avancées des sciences de l'atmosphère .
Le modèle atmosphérique à volume fini (FAMIL) dans FGOALS-f3-L, qui est l'AGCM de nouvelle génération (modèle de circulation générale atmosphérique) du modèle d'atmosphère spectrale du LASG (SAMIL), a été corrigé pour les expériences CMIP6 en 2017. Dans cette version, le schéma de paramétrisation du cœur dynamique et de la physique du modèle a été considérablement mis à jour. Le nouveau modèle exécute rapidement d'énormes tâches de calcul et surmonte certains biais du modèle liés à la sensibilité climatique et à la microphysique des nuages de la dernière version. La version actuelle montre une bonne capacité non seulement à capturer des modèles à grande échelle de précipitations moyennes climatologiques et de température de surface, mais est également bon pour refléter les événements intrasaisonniers comme MJO (Madden-Julian Oscillation) et les typhons, qui étaient un défi pour les modèles CMIP5, selon le Dr He, le premier auteur de cet article.
Suite à la conception des expériences AMIP, trois simulations d'ensemble ont été réalisées sur la période 1979-2014, qui ont été forcés par la température moyenne mensuelle observée à la surface de la mer et la glace de mer, comme recommandé par les projets CMIP6. Les sorties du modèle contiennent un total de 37 variables et incluent la moyenne trihoraire requise, transitoire de six heures, ensembles de données moyennes quotidiennes et mensuelles.
"L'évaluation préliminaire suggère que FGOALS-f3-L peut bien capturer les modèles de base de la circulation atmosphérique et des précipitations, et ces ensembles de données pourraient contribuer à la référence des comportements des modèles actuels pour la continuité souhaitée du CMIP, " explique le Dr Bao. " L'analyse de ces ensembles de données sera également utile pour comprendre les sources de biais des modèles et bénéficiera au développement de systèmes de prévision climatique. "
