1 / 20

Large Eddy Simulation dx = 200 m (case study of Couvreux et al. 2012)

Vents de surface en entrée du modèle d'érosion. Yann Largeron, Dominique Bouniol, Fleur Couvreux, F. Guichard (CNRM) Echanges avec Laurent Kergoat et Caroline Pierre (GET) Christel Bouet (IEES) et Béatrice Marticorena (LISA). surface air temperature anomaly. 40 km. (K). 0. 1. -2.

erv
Download Presentation

Large Eddy Simulation dx = 200 m (case study of Couvreux et al. 2012)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Vents de surface en entrée du modèle d'érosion Yann Largeron, Dominique Bouniol, Fleur Couvreux, F. Guichard (CNRM) Echanges avec Laurent Kergoat et Caroline Pierre (GET) Christel Bouet (IEES) et Béatrice Marticorena (LISA) surface air temperature anomaly 40 km (K) 0 1 -2 -1 surface wind speed MIT radar data, Niamey Lothon et al. (2011) (ms-1) 0 10 20 Large Eddy Simulation dx = 200 m (case study of Couvreux et al. 2012) Réunion CAVIARS 10-11 juin 2014

  2. Rain events daily min Wind speed daily max wind speed diurnal cycle Important characteristics of the surface wind in the Sahel Agoufou, Mali (1.5°W, 15.3°N) local data , automatic weather station Guichard et al. (2009) Strong wind gusts associated with rainfall morning maximum (mixing of low level nocturnal jet) weak nocturnal wind outside of the monsoon season (dry air)

  3. Vents de surface en entrée du modèle d'érosion Base: vent grillé issu de réanalyses météorologiques Limitations échelle spatio-temporelle relativement grossière ( dx : 50-150 km , dt : 1 h à 6 h) pas de rafales convectives dignes de ce nom Approche paramétrisation des effets de la convection sur le vent * background: Redelsperger et al. 2000, accélération de la vitesse fct précipitation paramétrisation du 'gust' (flux turbulents H, LE, quantité de mouvement) * ici importance de la distribution de vent sous-maille (erosion: phénomène à seuil) Utilisation de simulations fine échelle pour bâtir une paramétrisation (simulations CASCADE, UK, AROME, MésoNH) Cadrage par les observations

  4. Vents de surface en entrée du modèle d'érosion Elements de Bilan Evaluation systématique de différentes réanalyses météorologiques (Largeron et al., soumis) Comparaisons ERA-40 et ERA-Interim (période de recouvrement) besoin d'utiliser les 2 pour la période 1960-2010 Evaluation des vents de rafale ('gusts') dans ces réanalyses pas de paramétrisation des effets de la convection profonde Revue des formulations proposées pour les gusts(biblio 'météo') Traitement et analyses des observations Le vent en relation avec les MCS: croisement données locales, radar MIT, données satellitaires, tracking MCS (DB) les données des soniques du Gourma , les données SYNOP (LK, FG) Poursuite de l'exploitation des simulations CASCADE Travail préparatoire sur les réanalyses (calculs paramètres convectifs) On a appris et/ou réalisé que : La mesure du vent en conditions convectives sont difficiles (précision des données SYNOP?) Les distributions de type Weibull (souvent utilisées) sont mal adaptées à notre sujet Matériel utile pour le livrable (docs de Yann)

  5. 5-min average surface wind speed Bamba (17°N) Agoufou (15°N) Banizoumbou (13°N) Day of year

  6. Quelques centaines d'évènements convectifs observés localement zonal wind wind speed rainfall meridional wind IRT from satellite Most strong wind events involve rainfall (different from the Sahara)

  7. Croisement données locales, radar, satellite: AMMA 2006 : Les coups de vent fort sont toujours observés à proximité des cellules orageuses

  8. Comparison Sonic and cup anemometer in 'calm' (i.e. no convective event) conditions 15-min average wind from automatic weather station (AWS) 1-min average wind from sonic anemometer (from 20Hz data) 1-min maximum wind speed (from 3-s average values) 1-min maximum wind speed (from 20Hz values) Weaker wind with AWS than SONIC, not inconsistent with differences in height and location of the instrument on the small dunes. There is usually a good correlation between the 2 datasets for these relatively 'calm' conditions' True for Agoufou and Bamba 15-min average wind AWS 15-min average wind SONIC

  9. Comparison Sonic and cup anemometer in convective conditions in Agoufou 15-min avg wind AWS 1-min avg SONIC 1-min max wind speed (3-s average values) 1-min max wind speed (from 20Hz values) An issue common to numerous cases of convective event occurrence: during the event, 15-min average winds from the AWS is much higher than from the SONIC. + it seems the AWS max is often more in line with the SONIC 1-min max, but still higher than the 1-min max obtained from 3-s mean data (grey dots in Fig. above) 15-min average wind AWS 15-min average wind SONIC

  10. Comparison Sonic and cup anemometer in convective conditions in Bamba 15-min avg wind AWS 1-min avg SONIC 1-min max wind speed (3-s average values) 1-min max wind speed (from 20Hz values) It works much better in Bamba than Agoufou during convective events! + the 2 instruments are at about the same height and very close to each other Note the AWS underestimation under low wind, late-night-early morning day of year 237, also night of doys 238-239 (red line sinks to 0) 15-min average wind AWS 15-min average wind SONIC

  11. Un problème de mesure de vent par anémomètre à coupelles qui n'est pas une spécificité de l'instrument d'Agoufou , cohérent qualitativement littérature années 70' 80' Mếme type de problème identifié avec les données Fennec Figure Sophie Cowie

  12. Quelques mots sur les vents SYNOP

  13. DONNEES SYNOP : les ~30 dernières années Un exemple très representatif des quelques dizaines de stations de la zone pose questions sur la qualité et l'homogéneité de ces données

  14. Illustrations exploitations simulations Domaine simulations CASCADE Monsoon season [10°W-10°E , 10°N-20°N] , d t = 1 h boxes Ai ~ 100 km x 100 km : compute Ug (Ai , t) Ug2 = U2 – Uo2 CASCADE: 40 days PDF of gustiness Ug using wind at 10 m Precip=0 Precip>0.1 mm Ug f surface rain water dry boxes (P = 0) wet boxes (P > 0.1 mm) AROME: 6 days , dx=4 km (g/kg) using wind at 50 m caution scatter (exploration of DCAPE, shear) still, in the Sahel (south of 16°N at least), rainfall appears as informative at 1st order (consistent with local and MIT data) most gust cases occur close to where rain is falling both models generate convectively-driven gust winds, as opposed to models with convective parametrizations which do not display any - consistent with previous studies

  15. latitude longitude latitude longitude

  16. Vents de surface en entrée du modèle d'érosion Réanalyses ECMWF - ERA-40 (1958-2002) 0.75° x 0.75° dt = 3h - ERA Interim (1979-2013) 1.125° x 1.125° dt = 3h 1) Test de la paramétrisation (V1) sur le Fakara (2014) en collab. Caroline Pierre et al., à partir de l'été 2014 période 2000-2013, utilisation plus extensive de 2006 Préparation des jeux de fichiers vent à 10 m (formats..., idée de faciliter les échanges) J0 : vents réanalyse J1: vents avec paramétrisation V1 (gust + distribution sous maille) J2 ... Jn (n pas trop grand , n < 5) alimentés par le travail en cours : sur les dépendances en DCAPE, profil de vent, humidité sur l'évaluation des runs type CASCADE avec les observations et les LES sur la sensibilité au champ de précipitation utilisé 2) Extension à l'échelle régionale (2015) Travail avec des pluies journalières vents forts sur surface sèche versus déjà mouillée (PDF jointes)

  17. A few extra slides Dry conditions, AWS T and SONIC Tv more 'comparable'. The signal makes physical sense: e.g. differences in diurnal fluctuations, note also more mixing (less differences in T) in the more windy night doy 344 to doy 345 AWS Temperature SONIC 'virtual' Temperature

  18. A few extra slides AWS Temperature SONIC 'virtual' Temperature

More Related