access climate data in esg from the egi infrastructure

- Rencontres Scientifiques France Grilles 2011 -

1

Access climate data in ESG from the EGI infrastructure

Denvil Sébastien(1), Déandreis Céline(1) , Raciazek Jérôme (1), Petitdidier Monique (1), Gemünd André, Schwichtenberg Horst

(1) Institut Pierre Simon Laplace (IPSL)


2

D'un projet CMIP à l'autre, d'un rapport du GIEC à l'autreCMIP3, IPCC-AR4 (2007) 20 groupes de modélisation 10 expériences=> Énorme succès de la base de données multi-modèles=> Changement de paradigme: analyse multi-modèles=> Utilisation au delà de la communauté des « climatologues »

CMIP5, IPCC-AR5 (2013) 20+ groupes de modélisation 80+ expériences

=> Des simulations « centennales » variées:20 et 21è siècles (historiques + scénarios futurs)paléoclimat, dernier millénaire...SST forcée (AMIP, Chimie-Climat, très haute résolution...)

=> Des modèles de complexités différentes:• Modèle climatique “physique” (AOGCM)• Modèles avec cycle biogéochimique (modèle système Terre)• Configurations idéalisées (aquaplanette, ...)

=> Des simulations décennales


3

Simulations proposées par CMIP-5 pour la préparation du 5e

rapport du GIECLong terme (centennal) Court terme (décennal)

ÉvaluationObs.

Scénarios futurs

Compréhension

Analyse de forçages et

des réponse


4

Simulations centennales proposées par CMIP-5 pour la préparation du 5e

rapport du GIEC

Paléo-climats

Sensibilité climatique

et rétroaction

s des nuages

Couplage climat-carbone

Chimie et

aérosols

Estimation des

forçages radiatifs

Évolution du climat

au 20e siècle

Évolution du climat

au 21e siècle

Thématiques d'intérêt pour

l'IPSL

Climat-carbone ( C4MIP)

Nuages(CFMIP)

Paléoclimat(PMIP)

Aérosols (AEROCOM)

Emissions(GEIA)

Ozone (CCMVal)


5

Modèles de l'IPSL pour CMIP5

Chimie tropo & aérosols (INCA)

Ozone starto. (Reprobus)

Émissionsautres que

CO2

VolcansInsolation

Atmosphère (LMDZ)

Continent (Orchidée)

Coupleur (OASIS)

Océan (Nemo)

Glace de mer (LIM)

Modèle du système Terre (ESM)

Clim

at

Physique - Transport

Conditions aux

limites

Carbone / CO2 (Orchidée, Pisces)

Utilisation des sols

Biogéochimie

Émissions CO2

Autres

GES

Composition

CO2

O3 aéro-sols

Descente d’échelles régionales :Statistique (moins coûteux en CPU)Dynamique (coûteux en CPU)


6

Experiment Simulation

Input: CouplingOutput: Data

Model Model

Requirement

1..*

Conformance

0..*

SoftwareComponent

NamePropertiesDescriptionCoupling Framework

0..1 Parent

0..* Child

L’activité de modélisation du climat

WhatWhy How

http://metaforclimate.eu/trac/browser/CIM/tags/version-1.5


7

Évolution future du climat:Nouveaux scénarios

Scénarios définis en termes de forçage radiatif Travail en parallèle des communautés« climat » et « socio-économique » Scénarios futurs peuvent inclure des politiques de contrôle des perturbations anthropiques Un scénario pour limiter le réchauffement à 2°C environ

RCP 8.5

RCP 6

RCP 4.5

RCP3-PD

Forçage radiatif Concentration de CO2


8

IPSL

CNRM

EC-EARTH

CMCC

http://is.enes.org

EU FP7 : IS-ENES

& METAFOR

Distributed : 3.3 Pb

Earth System Grid

Adapted from Taylor, WGCM, 2010


9

https://prodiguer.ipsl.fr/


10

https://prodiguer.ipsl.fr/


11

L’objet Une façon de traiter la sensibilité des extrêmes au changement climatique est de

considérer des évènements dits sévères plutôt qu’extrêmes. Ces évènements sévères, s’ils représentent des conditions éloignées du climat moyen, ont

l’avantage de se produire plus souvent que les évènements extrêmes. Le terme extrême désignera les évènements sévères du système climatique. C’est le parti pris du projet STARDEX (STAtistical and Regional dynamical Downscaling of

EXtremes for European regions) 100 indices associés à des conditions sévères de température et de précipitation.

Biais annuel moyen de l’écart intrajournalier de température (DTR = Tmax – Tmin) pour les modèles de l’IPSL et du CNRM par rapport aux réanalyses ERA40 (1961-2000)

Les points de grille grisés correspondent aux valeurs non statistiquement significatives au seuil de 95% (obtenues par bootstrap)


12

Méthodes de correction (1) Un modèle de climat simplifie une réalité complexe et ne représente pas exactement un échantillon de données observées. Données quotidiennes (des températures minimales, maximales, moyennes et des cumuls de précipitation). Déqué (2007) : cinq techniques qui corrigent les biais systématiques des modèles à partir d’observation ; en particulier la méthode de corrections quantile-quantile Construire une table de correction avec les 99 centiles des deux distributions (période commune) Pour chaque modèle, variable, saison et point de grille. Interpolation linéaire entre deux centiles. La fonction densité de probabilité des données simulées est ainsi modifiée


13

Correspondance entre les distributions des réanalyses NCEP et des données simulées (IPSL en rouge et CNRM en bleu) pour les températures moyennes (Tmoyen) et l’amplitude diurne de température (DTR). Point de grille Parisien sur la période 1961-2000. La droite en trait plein correspond à une représentation parfaite de la réalité par le modèle.Les tronçons de courbe en dessous (au dessus) de cette droite correspondent à une surestimation (sous-estimation) du modèle

Hiver

Eté

Méthodes de correction (2)


14

La démarche Le BUT : création d’un jeu de données uniques

Indices climatique calibrées par des jeux d’observations Traitement de l’ensemble de l’archive CMIP5

pour les simulations non corrigées pour les simulations corrigées

Associés à des valeurs de significativité statistique de leur tendance.

Vérifier la sensibilité de la significativité des tendances à la méthode de correction (avec/sans correction, fonction du jeu d’observation)

Jeux de données utiles pour nourrir les modèles d'impact sensibles aux valeurs de seuil

La correction ne réduit pas, et peut augmenter l'incertitude sur les projections climatiques

L'utilisation de plusieurs modèles et de plusieurs scénarios est la technique appropriée pour faire face à l'incertitude


15

Les amplitudes diurnes de température

Correction quantile-quantile des écarts intra-journaliers de température (DTR) Simulés par le modèle du CNRM Calibré par les observations du Hadley Center.

Les distributions comparées 1961-2000 observées (courbes noires) 1961-2000 (courbes bleues) 2071-2100 (courbes rouges) avant correction (trait plein) après correction (trait hachuré)

Surestimation de la fréquence des faibles amplitudes diurnes


16

Etat des lieux Le CODE

STRDX, est un code parallèle (MPI) écrit en fortran90 Application « data intensive » porté sur la grille Pour CMIP5 elle cumulera

10 To de données en entrée et en produira 12 To 600 jobs ; job de 2 heures, 16 processeurs et manipulant 37 Go.

Système de compilation automatisé de l’IPSL, modifié pour son utilisation sur la grille.

Bibliothèques (netCDF, PnetCDF et IOIPSL) installées dans l’espace « logiciel » de la VO ESR.

Le CONTEXTE grille Ce travail soutient les objectifs de l'activité SA3.6 WP6 du projet

EGI-Inspire, permettre l'utilisation de EGI dans le domaine des Sciences de la Planète (ES).


17

Interopérabilité de système: authentification/autorisation

Cf dans la Session EGI TF Data Management Workshop: Earth System Grid (ESG) and EGI interoperability. Raciazek J. IPSL. https://www.egi.eu/indico/contributionDisplay.py?contribId=278&confId=452

Federated Identity Systems for Scientific Collaborations

https://indico.cern.ch/event/129364

- workshop: 9-10 June 2011, CERN

- workshop: 2-3 November 2011, RAL, UK


18

Mesure de l’incertitude pour le DTR

Europe du Nord, Europe de l’Est et de l’Ouest, Chine Orientale , et Plateau Tibétain Périodes 1961-2000, 2031-2060, 2071-2100. Chaque « boite à moustache » représente, pour une période, une région et une saison données,

la dispersion totale des résultats (minimum et maximum), le 25ème et 75ème percentiles valeur médiane (en trait), la valeur moyenne (en cercle).


19

CMIP5 CMIP6 CMIP7Year 2012 2017 2022Power factor 1 30 1000Npp 200 357 647Resolution [km] 100 56 31Number of mesh points [millions] 3,2 18,1 108,4Ensemble size 120 214 388Number of variables 800 1068 1439Interval of 3-dimensional output (hours) 6 4 3Years simulated 90000 120170 161898Storage density 0,00002 0,00002 0,00002Distributed Archive Size (Pb) 3,19 86,05 2260,20

Perspectives CMIP à 10 ans


20

SI prefix Name Power of 10 or 2 Status

k kilo thousand 10 3 210 Count on fingers

M mega

G giga

T tera

P peta

E exa

Z zetta

Y yotta

million

billion

trillion

quadrillion

quintillion

sextillion

septillion

10 6

10 9

10 12

10 15

10 18

10 21

10 24

220

230

240

250

260

270

280

Trivial

Small

Real

Challenging

Aspirational

Wacko

Science fiction

Stuart Feldman, Google

access climate data in esg from the egi infrastructure

Documents

simulations centennales

dun rapport

simulations dcennales

conomique scnarios futurs

changement climatique

dun projet cmip lautre

systme terre esmclimatphysique

limitescarbone co2 orchide