Convective memory, and the role of cold pools - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Convective memory, and the role of cold pools

La mémoire de la convection et le rôle des poches froides

Résumé

Convective parameterizations struggle to represent the spatiotemporal variability of convection. This may be because they assume that convection can be diagnosed from the large-scale state, without knowing the convective history. The concept of convective memory, which states that convection depends on its own history, could help overcome this issue. A new framework suggests a distinction between microstate (unresolved) memory and macrostate (large-scale) memory. Using a hierarchy of models either in Radiative-Convective Equilibrium or under fixed-macrostate conditions, the thesis analyses the recovery to homogenisation perturbations. It exploits a Cloud-Resolving Model, a General Circulation Model (GCM) in 1D and in 3D, and a simple predator-prey model. The results show that convective memory plays a role on time scales of up to a day. Convective memory in time is dramatically enhanced by convective organisation in space. Microstate memory is found to be mostly stored in boundary layer microstate structures of water vapour and temperature, with a dominant water vapour memory. Furthermore, the convective microstate is shown to be inherently unstable, which confirms that knowledge of the macrostate conditions is not sufficient to predict convection. The standard version of the GCM already shows a reasonable level of convective persistence. A simple modification of the GCM convection scheme, meant to improve cold pools over oceans, makes cold pools less cold and thus weaker to trigger convection. This leads to more intermittent precipitation, partly correcting a typical GCM bias. Overall the thesis fosters introducing prognostic variables into GCMs and suggests ways to do it.
Les paramétrisations représentent encore mal la variabilité spatio-temporelle de la convection. Cela peut provenir du fait qu’elles supposent que la convection peut être diagnostiquée à partir des conditions de grande échelle. La mémoire de la convection, traduisant la dépendance de la convection en sa propre histoire, pourrait permettre de résoudre ce problème. Cette thèse propose de distinguer la mémoire micro-état (non résolue) et la mémoire macro-état (de grande échelle). On a recours à un modèle résolvant les nuages, un Modèle de Circulation Générale (GCM) en 1D et en 3D, et un modèle simple proie-prédateur. Ils sont placés soit en Equilibre Radiatif-Convectif soit en condition de macro-état fixé, et on analyse leur réponse à des perturbations d'homogénéisation. La mémoire de la convection est de l’ordre d’une heure à un jour. Elle apparaît fortement liée à l'organisation convective dans l'espace. La mémoire du micro-état est essentiellement stockée dans les structures micro-état de couche-limite de la vapeur d'eau et de la température, la mémoire de la vapeur d'eau étant dominante. De plus, le micro-état convectif est intrinsèquement instable, ce qui confirme que la connaissance de l'état de grande échelle n'est pas suffisante pour prédire la convection. On montre ensuite que le GCM de référence a déjà des formes encourageantes de mémoire. Une modification simple du GCM rend les poches froides moins froides et ainsi moins aptes à déclencher la convection. La pluie du GCM modifié devient ainsi plus intermittente, résolvant un biais typique des modèles. Cette étude promeut l'introduction de variables pronostiques dans les GCMs pour représenter la mémoire du micro-état.
Fichier principal
Vignette du fichier
these_COLIN_Maxime_2018.pdf (41.12 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-02864797 , version 1 (11-06-2020)

Identifiants

  • HAL Id : tel-02864797 , version 1

Citer

Maxime Colin. Convective memory, and the role of cold pools. Meteorology. Sorbonne Université, 2018. English. ⟨NNT : 2018SORUS312⟩. ⟨tel-02864797⟩
111 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More