Représentation des nuages dans ARPEGE

Représentation des nuages
dans ARPEGE-Climat
Romain Roehrig, D. Saint-Martin, D. Bouniol,
A.-L. Ahmat Younous, J.-M. Piriou, J.-F. Guérémy, I. Beau
et al.
CNRM, Météo-France & CNRS, Toulouse, France
1. Contexte et motivations
Nuages et modèles de climat
Nuages bas : too few too bright
Nuages en Arctique Nametal.(2012,GRL)
Césanaetal.(2012GRL)
A-Train : accès à la structure 3D des nuages
CésanaetChepfer(2012,GRL)
Jiangetal.(2012,JGR)
1. Contexte et motivations
Nuages et modèles de climat
Nuages bas : too few too bright
Nuages en Arctique Et aussi :
•  Nuages sur l’océan Austral
•  Stratocumulus sur le bord est des océans
•  Nuages sur les continents et bilan énergétique de surface
•  …
Nametal.(2012,GRL)
Césanaetal.(2012GRL)
Ø  Impact fort sur le bilan énergétique, de l’échelle globale à
l’échelle régionale/locale,
que sur3D
la dispersion
A-Train : accès àainsi
la structure
des nuages de la
sensibilité climatique
IPCC AR5 (Chap. 8): ‘cloudfeedbacksremainthelargestsourceof
uncertaintyinclimatesensiDvityesDmates.’
CésanaetChepfer(2012,GRL)
Jiangetal.(2012,JGR)
1. Contexte et motivations
Une nouvelle physique dans ARPEGE-Climat
Une nouvelle physique atmosphérique a été développée et implémentée dans le
modèle du CNRM. Elle est depuis plusieurs mois évaluée (et calibrée), notamment
dans la perspective de CMIP6. Elle contient:
Ø  Un nouveau schéma de turbulence avec une TKE pronostique (Cuxart et al. 2000)
Ø  Un nouveau schéma microphysique décrivant l’évolution des hydrométéores nuageux
(liquide, glace) et précipitants (pluie, neige) (Lopez et al. 2002).
Ø  Un nouveau schéma de convection représentant de manière unifiée la convection
sèche, peu profonde et profonde (Piriou et al. 2007, Guérémy 2011):
§  Description détaillée de la microphysique nuageuse et précipitante, cohérente
avec la microphysique grande échelle (Lopez et al. 2002);
§  Entrainement/Détraînement de la vapeur d’eau, de l’énergie et des
hydrométéores, basés sur le tri par flottabilité de Bretherton et al. (2004);
§  Equation pronostique de la vitesse verticale de l’ascendance convective;
§  Fermeture en CAPE.
Ø  D’autres mises à jour (schéma de surface, schéma radiatif, dynamique)
Objectifs :
Ø  Comment sont représentés les nuages dans les derniers prototypes de
CNRM-AM6?
Ø  Pour les biais qui persistent, quelles perspectives?
Plan
1.  Contexte et motivations
2.  Les paramétrisations dans ARPEGE-Climat
3.  Etat de l’art dans ARPEGE-Climat
4.  Quelques sensibilités récentes
5.  Conclusions et perspectives
2. Les paramétrisations dans ARPEGE-Climat
Nuages et microphysique dans ARPEGE-Climat
Nuages convectifs : cl conv = α u
qcconv issu de l’ascendance convective
Nuages stratiformes : Ricard et Royer (1993), Bougeault (1982), Cuxart et al. (2000)
–  Description de la variabilité sous-maille de θl et qt en lien avec le schéma de turbulence
–  Variable de base : écart à la saturation dans l’espace (θl , qt)
−1
⎡ L ⎛ ∂q ⎞ ⎤
a
T ⎛ ∂q ⎞
s = ( qtʹ − α1θ lʹ), a = ⎢1+ v/ f ⎜ sat ⎟ ⎥ , α1 = ⎜ sat ⎟
2
θ ⎝ ∂T ⎠T =Tl
⎢⎣ C p ⎝ ∂T ⎠T =Tl ⎥⎦
–  Déficit à la saturation normalisé :
a ⎡ qt − qsat (Tl ) ⎤
Q1 = ⎢
⎥
2 ⎣ 2σ s
⎦
–  On décrit la variabilité de s par une PDF, dépendant Q1
cl strat =
strat
c
q
=
2σ s
∫
∫
∞
−Q1
∞
−Q1
G(t)dt
(Q1 + t)G(t)dt
Cumulus
MixteCu/Sc
Stratocumulus
Q1<-2
-2<Q1<0
Q1>0
Exponen0elle
MixteGaus/Exp
Gaussienne
2. Les paramétrisations dans ARPEGE-Climat
Nuages et microphysique dans ARPEGE-Climat
Combinaison : Hypothèse de maximum overlap cl = max(cl conv , cl strat )
qc = max(qcconv , qcstrat )
Partition liquide/glace : Rockel et al (1991) ql = [1− f (T )] qc
qi = f (T ) qc
⎡
⎧ (T − Tt )2 ⎫⎤
f (T ) = δTt ⎢1− exp ⎨−
⎬⎥
2
⎩ 2ΔT ⎭⎦
⎣
ΔT = 5.91 K
Propriétés radiatives :
•  1er effet indirect des aérosols (sulfate, organique et sels marins – Menon et al. 2002)
•  SW : Liquide : Slingo (1989) / Glace : Fu (1996)
•  LW : Liquide : Smith and Shi (1992) / Glace : Ebert and Cury (1992)
•  Coefficients d’inhomogénéïté spatiale, distinction SW/LW, liquide/glace.
2. Les paramétrisations dans ARPEGE-Climat
Nuages et microphysique dans ARPEGE-Climat
Microphysique (précipitations) :
Lopez (2002)
Utilisée pour les condensats
stratiformes/convectifs
• 
• 
∂ql
= Cl − Al
− COL(l/r )
− COL(l/s) − Fl
∂t
∂qi
= Ci
− Ai
− COL(i/s)
− Fi
∂t
∂qr
= −Er + Al
+ COL(l/r )
− Fr
∂t
∂qi
= −Es
+ Ai
+ COL(i/s) + COL(l/s) − Fr
∂t
ql/istrat/conv − ql/i
Cl/i =
Condensation : lié au schéma stratiforme/convectif
Δt
*
crit
⎡
⎤
⎛
⎞
Δt
q − q (T )
Autoconversion : Al/i = ⎢1− exp ⎜ −
⎟⎥ × c l/i
Δt
⎝ τ l/i (T ) ⎠⎦
⎣
• 
Sédimentation : vitesses constantes, schéma statistique (Bouteloup et al. 2011)
• 
(l/r ) (l/r )
Collection : COL(l/r ) = K acc Eacc ql qr
(i/s) (i/s)
COL(i/s) = K agg
Eagg (T ) qi qs
(l/s) (l/s)
COL(l/s) = K rim
Erim ql qs
• 
Evaporation :
Er/s =
(1− RH l/i ) × (1− cl ) × N 0,r/s (T ) × ⎡a
ρa × fr/s (T, p)
br/s
dr/s ⎤
⎣ r/sQr/s + cr/sQr/s ⎦, Qr/s =
ρa qr/s
N 0,r/s (T )
3. Etat de l’art dans ARPEGE-Climat
Effets radiatifs des nuages au TOA
Annual Mean CRF_ST Bias - global
AMIPV6ALB1 b=6.38, c=0.83, r=20.6
WAM621REF1 b=-1.85, c=0.88, r=19.3
BiaisvsCERES-EBAF
CNRM-AM5
CNRM-AM6(Prototype)
Annual
Mean CRF_LT
Bias - global
AMIPV6ALB1 b=-4.37, c=0.87, r=10.7
WAM621REF1 b=-1.31, c=0.89, r=11.4
LWCRE
90N
Ø  Des biais du même ordre,
mais avec des structures
différentes
60N
30N
0
30S
60S
90S
Annual Mean CRF_ST Bias - global
SWCRE
AMIPV6ALB1 b=6.38, c=0.83, r=20.6
WAM621REF1 b=-1.85, c=0.88, r=19.3
90N
Ø  Compensation forte entre
les deux.
60N
30N
0
30S
60S
90S
Annual Mean CRF_NT Bias - global
AMIPV6ALB1 b=2.01, c=0.67, r=15.2
WAM621REF1 b=-3.15, c=0.81, r=12.7
90N
NetCRE
Ø  Surestimation des LW/SW
CREs dans la ZCIT.
60N
Ø  Sous-estimation du SW
CRE sur le bord est des
océans. Mieux dans CNRMAM6.
Ø  Sous-estimation du SW
CRE sur l’océan austral
30N
0
30S
60S
90S
-40
-20
-40
-20
-5
-50 -50-30-30 -10
-10
5
-5
5
00
20
20
10
10
40
40
30 5050
30
Wm-2
Ø  Biais SW réduit sur les
continents des moyennes
latitudes
3. Etat de l’art dans ARPEGE-Climat
Annual Mean CLL - global Nuages
1 m=34.06
WAM621REF1 m=38.35
Nébulositébasse–Moyenneannuelle
Annual
Mean CLL - global
Ø  Nette amélioration dans les
régions d’alizés, voire dans les
régions de stratocumulus.
CNRM-AM6(Prototype)
WAM621REF1 m=38.35
AMIPV6ALB1
CNRM-AM5m=34.06
90N
60N
oudSat m=45.76
30N
MODIS m=35.37
Ø  Mais toujours un manque de
nuages bas sur le bord est des
océans, cohérente avec la signature
en biais SW CRE.
0
30S
60S
90S
CALIPSO/CloudSat m=45.76
MODIS m=35.37
90N
Ø  Légère dégradation aux
moyennes latitudes sur océan, mais
légère augmentation de la
couverture nuageuse sur les
continents
60N
30N
0
30S
60S
90S
ISCCP m=27.16
Nébulositébasse–Moyennezonale
Annual Mean CLL - Zonal Average
90N
60N
100
30N
CNRM-AM5
CNRM-AM6(Prototype)
0
80
30S
Low-cloud cover (%)
7.16
bas
60S
90S
0
20
10
40
30
60
50
80
70
100
90 %
60
40
20
0
90S
60S
30S
0
30N
60N
Latitude
0
20
40
60
80
100
AMIPV6ALB1
WAM621REF1
MODIS
ISCCP
CALIPSO/CloudSat
90N
3. Etat de l’art dans ARPEGE-Climat
Nuages bas – Too few, too bright ?
Ø  Non-overlapped low-cloud: Océans 30S-30N, clh, clm < 5%, ω500, ω700 > 10 hPa/day (Nam et al. 2012)
Ø  Reference : CALIPSO (GOCCP), ERA-Interim, CERES-EBAF (moyennes mensuelles)
FOCofnon-overlappedlow-cloud
SWCREatTOAvsnon-overlappedlow-cloudcover
CNRM-AM5
CNRM-AM6(Prototype)
OBS
FOCofnon-overlappedlow-cloud
CNRM-AM5
OBS
CNRM-AM6(Prototype)
CNRM-AM5
OBS
FOCoflow-cloud
CNRM-AM6(Prototype)
3. Etat de l’art dans ARPEGE-Climat
Annual Mean CLH - global
1 m=35.25
Nuages hauts
WAM621REF1 m=46.52
Nébulositéhaute–Moyenneannuelle
Annual
Mean CLH - global
AMIPV6ALB1
m=35.25
CNRM-AM5
oudSat m=41.77
WAM621REF1 m=46.52
CNRM-AM6(Prototype)
MODIS m=20.97
90N
60N
30N
Ø  Surestimation quasi-globale des
nuages hauts, particulièrement
marquée dans la ZCIT
0
30S
60S
90S
CALIPSO/CloudSat m=41.77
3.06
MODIS m=20.97
Ø  Cohérente avec des CREs SW/LW
trop forts dans les tropiques
90N
60N
30N
0
30S
60S
90S
ISCCP m=13.06
90N
60N
100
30N
Annual Mean CLH - Zonal Average
Nébulositéhaute–Moyennezonale
0
30S
80
High-cloud cover (%)
60S
90S
0
20
10
40
30
60
50
80
70
100
90
%
CNRM-AM5
CNRM-AM6(Prototype)
60
40
20
0
20
10
40
30
60
50
80
70
0
100
90S
90
60S
30S
0
30N
60N
Latitude
AMIPV6ALB1
WAM621REF1
MODIS
ISCCP
CALIPSO/CloudSat
90N
3. Etat de l’art dans ARPEGE-Climat
Condensats
LWP
Ø  Références : MODIS (différents
algorithmes : CERES Team, MODIS Team)
CWP
IWP
Ø  Sous-estimation globale de IWP : trop de
nuages hauts qui ont trop peu de contenu en
glace
CNRM-AM6(Prototype)
MODIS
CERES
MODIS(Aqua) MODIS(Terra)
Ø  Sur-estimation de l’eau liquide dans les
tropiques. Problème de phase ? Observations,
Modèle ?
Ø  Pic d’eau liquide mal positionné dans l’océan
austral : pas assez de nuages d’eau liquide tout
au sud. Lien avec sous-estimation du SW CRE ?
Similaire en Arctique.
3. Etat de l’art dans ARPEGE-Climat
En 1D – Cindy-Dynamo
CINDY-DYNAMO(Oct-Dec2011)
JohnsonetCiesielski(2013,JAS)
Ø  Biais froid généralisé, associé au premier
ordre à un manque de flux de surface.
Ø  Biais froid plus en altitude, en lien avec la
convection et les nuages hauts
BiaisdeTempérature–CNRM-AM6
3. Etat de l’art dans ARPEGE-Climat
En 1D – Cindy-Dynamo
BiaisdeTempérature–CNRM-AM6
CINDY-DYNAMO(Oct-Dec2011)
JohnsonetCiesielski(2013,JAS)
Ø  Biais froid généralisé, associé au premier
ordre à un manque de flux de surface.
CERESSYN1deg(MODIS)
Ø  Biais froid plus en altitude, en lien avec la
convection et les nuages hauts
Nébulosité–CNRM-AM6
CNRM-AM6(Prototype)
Nébul.haute
Nébul.basse
3. Etat de l’art dans ARPEGE-Climat
Vision locale – Cindy-Dynamo
Q1-Cindy-Dynamo
Q1-CNRM-AM6(Prototype)
Composite time evolution of Q1 - CINDY
Composite time evolution of Q1 - PCMT
units: K/day
units: K/day
100
100
200
200
300
300
400
400
500
500
600
600
700
700
800
800
900
Ø  Construction d’un cycle de vie de la convection
basé sur l’analyse des profils de Q1 (Zhang and
Hagos 2009).
900
1000
1000
3
-6
2
1
-2
-4
8
2
0
7
6
6
4
5
10
8
4
16
12
3
-6
Kday-1
2
-2
-4
1
2
0
8
6
4
7
10
8
6
16
12
Kday-1
Ø  Une transition typique de convection peu
profonde à profonde à stratiforme partiellement
reproduit par CNRM-AM6.
Ø  Chauffage diabatique pas assez profond, et
même légèrement négatif en haute troposphère.
3. Etat de l’art dans ARPEGE-Climat
Vision locale – Cindy-Dynamo
Q1-Cindy-Dynamo
Q1-CNRM-AM6(Prototype)
Composite time evolution of Q1 - CINDY
Composite time evolution of Q1 - PCMT
units: K/day
units: K/day
100
100
200
200
300
300
400
400
500
500
600
600
700
700
800
800
900
Ø  Construction d’un cycle de vie de la convection
basé sur l’analyse des profils de Q1 (Zhang and
Hagos 2009).
900
1000
1000
3
2
-6
1
-2
8
7
2
-4
6
6
0
5
4
10
4
8
3
-6
16
12
ConvecXon
1
8
2
-4
Kday-1
6
0
7
6
10
4
8
16
12
Kday-1
Large-scalecondensaXon
Composite time evolution of tntc - PCMT
units: K/day
2
-2
Composite time evolution of tntlscp - PCMT
units: K/day
100
100
200
200
300
300
400
400
500
500
600
600
700
700
800
800
900
3
-6
2
-2
1
8
2
-4
7
6
0
1000
6
3
10
4
-10
16
8
Kday-1
LWheaXng
-8
Composite time evolution of QRad - PCMT
units: K/day
2
-6
1
-2
-4
8
2
0
7
6
4
6
10
8
CloudfracXon
16
Kday-1
Composite time evolution of Cloud Fraction - PCMT
units: %
100
100
200
200
300
300
400
400
500
500
600
600
700
700
800
800
900
900
1000
1000
3
-6
2
-1.5
-2
1
-0.5
-1
8
0.5
0
7
1.5
1
6
3
2.5
2
0
16
Kday-1
2
20
10
1
40
30
8
60
50
7
80
70
6
100
90
Ø  Chauffage diabatique pas assez profond, et
même légèrement négatif en haute troposphère.
Ø  Associé à un refroidissement LW fort au
sommet des nuages convectifs et à un chauffage
convectif qui ne parvient pas à atteindre la
haute troposphère.
900
1000
Ø  Une transition typique de convection peu
profonde à profonde à stratiforme partiellement
reproduit par CNRM-AM6.
110
%
3. Etat de l’art dans ARPEGE-Climat
Et en Afrique de l’Ouest ?
JJAS Mean PR
Moyenne10W-10E,JAS
LW/SWCREatTOA
CNRM-AM5
CNRM-AM6
HighCloudCover
CNRM-AM5
CNRM-AM6
JJAS
Mean PR
CNRM-CM5 m=2.09
CNRM-CM5 m=2.27
40N
30N
20N
10N
0
10S
40N
30N
20N
10N
0
10S
CNRM-AM-PREV6n m=1.98
40W
40N
20W
30N
20N
10N
0
10S
0
Ø 
CNRM-AM5
CNRM-AM6
Low-levelCloudCover
CNRM-AM5
CNRM-AM6
Ø 
Ø 
Ø 
Ø 
Ø 
Ø 
20E
0
2
1
40W
NetCREatTOA
CNRM-AM-PREV6 m=1.74
CNRM-AM-PREV6 m=1.65
40N
30N
20N
10N
GPCP 0
m=2.11
10S
GPCP m=2.11
40E
4
3
20W
6
5
8 10 12
7
0
9 11
20E
40E 40W
20W
0
20E
40E
0 précipitation
2 4 6 8 sur
10 12
Manque de
le nord du
Sahel et l’est du Sahel
1 3 5 7 9 11
Rôle important des changements d’albedo
de surface
Mais des améliorations sur de nombreux
aspects (e.g., cycle diurne, structure
vertical de Q1/Q2)
Augmentation de la couverture nuageuse
basse et haute, en particulier dans le Golfe
de Guinée
Sur-estimation du LW CRE dans la ZCIT.
Le CRE net positif sur le Sahel est
toujours raté, à cause d’une surestimation
du SW CRE.
Toujours un manque de nuages bas et miniveau sur le nord du Sahel et du Sahara
3. Etat de l’art dans ARPEGE-Climat
Et en Afrique de l’Ouest ?
Extraction au pas de temps du modèle sur une sélection
de sites (cf CFMIP proposal for CMIP5)
Ø  Niamey, ~13°N (2006) : ARM Mobile Facility (Lidar/
Radar, bilan radiatif de surface, précipitation…),
combiné à des estimations satellites
Fréquenced’occurrence
denuages
PDFdelanébulosité(siprésent)
ARMLidar
CNRM-AM6
ARM
CNRM-AM6
CNRM-AM6-nudged
ARM
CNRM-AM6
nudged
Ø  Excès de nuages hauts, sousestimation de nuages bas,
surestimation SW CRE at TOA
Ø  Confirmé à l’échelle locale : nuages
hauts trop fréquents et pas assez
fractionnés + nuages bas pas assez
fréquent. Excès de congestus ?
Ø  Si on nudge la dynamique vers ERAI
Ø  Amélioration de la fréquence
d’occurrence des nuages bas : rôle
de la grande échelle
Ø  Biais des nuages hauts toujours
présent. Représentation des
enclumes ? Trop de condensats
détrainés en altitude ? Pas assez de
turbulence ?
4. Quelques sensibilités récentes
Microphysique
Annual Mean CLH - Zonal Average
100
Annual Mean CRF_NT - Zonal Average
Nébulositéhaute
20
10
TOA Net CRE (W m-2)
High-cloud cover (%)
80
60
40
20
NetCRE
CNRM-AM5
CNRM-AM6(proto)
Noicesedim.
Reducedice/snow
autoconversion
0
-10
-20
-30
-40
0
90S
60S
30S
0
30N
60N
90N
-50
90S
60S
30S
Latitude
AMIPV6ALB1
WAM621REF1
WAM621REF1sed0
WAM621REF1sed1
WAM621REF1sed2
CALIPSO/CloudSat
MODIS
ISCCP
WAM621REF1
WAM621REF1sed0
WAM621REF1sed1
WAM621REF1sed2
CERES
40
30
20
-20
-40
-60
-80
10
60S
90N
Annual Mean CRF_ST - Zonal Average
LWCRE
50
0
90S
60N
0
TOA SW CRE (W m-2)
TOA LW CRE (W m-2)
60
30N
AMIPV6ALB1
Annual Mean CRF_LT - Zonal Average
70
0
Latitude
30S
0
30N
60N
SWCRE
-100
90S
90N
60S
30S
0
30N
60N
90N
Latitude
Latitude
AMIPV6ALB1
WAM621REF1
WAM621REF1sed0
AMIPV6ALB1
WAM621REF1
WAM621REF1sed0
WAM621REF1sed1
WAM621REF1sed2
CERES
WAM621REF1sed1
WAM621REF1sed2
CERES
Ø  Sédimentation de la glace : impact sur la nébulosité haute, faible sur les CREs - > nuages fins ?
Ø  Impact plus fort de l’autoconvection solide sur les CREs
4. Quelques sensibilités récentes
Partition liquide/glace
Nébulositébasse
ΔT=5.91
ΔT=8.27
ΔT=10.64
⎡
⎧ (T − Tt )2 ⎫⎤
f (T ) = δTt ⎢1− exp ⎨−
⎬⎥
2
⎩ 2ΔT ⎭⎦
⎣
T5050(K)
LWP
McCoyetal(2016,JAMES)
IWP
CNRM-CM5
256.8
ΔT=5.91
266.2
ΔT=8.27
263.4
ΔT=10.64
260.6
CALIPSO
254-258
4. Quelques sensibilités récentes
Partition liquide/glace
Nébulositébasse
ΔT=5.91
ΔT=8.27
ΔT=10.64
⎡
⎧ (T − Tt )2 ⎫⎤
f (T ) = δTt ⎢1− exp ⎨−
⎬⎥
2
⎩ 2ΔT ⎭⎦
⎣
T5050(K)
LWP
CNRM-CM5
256.8
ΔT=5.91
266.2
ΔT=8.27
263.4
ΔT=10.64
260.6
CALIPSO
254-258
McCoyetal(2016,JAMES)
IWP
LWCREatTOA
SWCREatTOA
Conclusions
Ø 
Conclusions :
§ 
§ 
§ 
§ 
§ 
Nette amélioration des nuages (bas notamment) de manière globale dans
CNRM-AM6
Mais excès de nuages hauts, qui ont des contenus en glace faibles.
Impact fort sur le bilan radiatif, avec compensation (partielle) entre LW et
SW sous les tropiques.
Comportement cohérent avec des simulations 1D ou une vision plus locale
Sensibilité forte à certains paramètres de “tuning”.
Ø  Suite :
§  Continuer à utiliser les observations/retrievals satellites pour (essayer de)
contraindre de manière “globale” certains paramètres internes des
paramétrisations de nuages et de microphysique. Utilisation de COSP aussi.
§  Test de la modification du LMD pour les stratocumulus (entrainement)
§  Prise en compte d’une turbulence convective pour le schéma de nuages
stratiforme.
§  A plus long terme,
§  revisiter le schéma de nuages : PDF pour nuages hauts ? Enclumes ?
§  Prise en compte de la turbulence dans les coefficients d’inhomogénéités (rayonnement) pour avoir
une dépendance spatiale/temporelle.
§  Impact des nuages hauts sur la sensibilité climatique ?
Perspectives
Premières estimations de la sensibilité climatique
SimulaXonsAbruptes4xCO2
CNRM-CM5
CNRM-CM6(Prototype01/2016)
LWCS SWCS
LWCRE SWCRE
LWCS SWCS
LWCRE SWCRE
• 
Une sensibilité ~ 12 K pour 4xCO2…
• 
Rétroaction LW ciel clair plus forte que dans CNRM-CM5 (et plus largement que dans CMIP5)
Ø  Rétroaction vapeur d’eau ? Effet masquant des nuages hauts ?
• 
Rétroaction nettement positive des nuages en LW
Perspectives
Premières estimations de la sensibilité climatique
Changementsdenuages[30S-30N]
Abrupt4xCO2vsAMIP4K/4xCO2
CNRM-CM6(prototype01/2016)
Perspectives
Premières estimations de la sensibilité climatique
Changementsdenuages[30S-30N]
Abrupt4xCO2vsAMIP4K/4xCO2
CNRM-CM6(prototype01/2016)
CNRM-CM6(prototype06/2016)
Réduction des nuages hauts dans le nouveau prototype, conduisant à une
réduction de leur augmentation.
Ø  Réduction de la rétroaction LW ciel clair et diminution de la sensibilité