Aperçu

Ce document donne un aperçu des produits de neige de ASRv2. ASRv2 est une réanalyse régionale qui couvre l'Arctique et elle est dirigé par plusieurs agences et universités. Elle est crée à l'aide de versions à haute résolution du modèle de prévision météorologique polaire (PWRF) et des systèmes WRF-VAR et HRLDAS (« High Resolution Land Data Assimilation ») qui ont été optimisés pour l'Arctique. La version finale, qui a une résolution horizontale de 15 km et couvre la période 2000-2016, est disponible en ligne via le RDA du NCAR.

Coordonnées du fournisseur

ASRv2 est produit par le « Polar Meteorology Group », « Byrd Polar & Climate Research Center », et « Ohio State University » et est disponible au NCAR CISL RDA.

Responsable du support aux utilisateurs à RDA NCAR : schuster@ucar.edu

Licences et citations

Licence : sous licence Creative Commons Attribution 4.0 International Licence (les informations sur l'accord de licence sont disponibles ici)

Ce jeu de données peut être cité comme :

« National Center for Atmospheric Research/University Corporation for Atmospheric Research, Polar Meterology Group/Byrd Polar and Climate Research Center/The Ohio State University. 2017. Arctic System Reanalysis version 2. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory ». https://doi.org/10.5065/D6X9291B , https://rda.ucar.edu/datasets/ds631.1/

Bromwich, D., L. Bai, K. Hines, S. Wang, Z. Liu, H. Lin, Y. Kuo, et M. Barlage. 2012 : « Projet de réanalyse du système arctique (ASR). Archives de données de recherche au National Center for Atmospheric Research, Computational and Information Systems Laboratory ».

Nom de la variable et unités :

ASRv2 fournit 2 produits de type, analyse et prévision. Le tableau ci-dessous fournit des détails pour les produits liés à la neige dans ASRv2.

Couverture et résolution spatiales :

Couverture géographique : 15kmx15km (à 60 N) orienté 175 O (720x720 stéréographique polaire nord).

Figure 1. Domaine ASR (à partir de http://polarmet.osu.edu/ASR/)

Couverture et résolution temporelles :

Les produits de neige ASRv2 sont disponibles de 2000 à 2016 sous forme de sous-ensembles à 3 heures et de moyennes mensuelles.

Méthodologie

ASRv2 fournit des variables à haute résolution du système atmosphère-mer-glace-terre de surface de l'Arctique. Elle utilise la version polaire du modèle « Weather Research and Forecasting » (PWRF) version 3.6.0. Elle utilise la technique 3DVAR et le système d'assimilation de données HRLDAS (« High Resolution Land Data Assimilation ») qui ont été optimisé pour l'Arctique. ASR utilise le modèle de surface terrestre (LSM) de Noah avec plusieurs améliorations, notamment la glace de mer fractionnée dans chaque cellule de grille et des caractéristiques de glace de mer spécifiées (par exemple, l'épaisseur, la couverture de neige sur la glace de mer, l'albédo).

Une description complète de l’ASRv2 est présentée dans le « Bulletin of the American Meteorological Society » (PDF).

Données d'observation dans ASRv2

Les données d'observation utilisées dans ASRv2 (figure 2) comprennent des observations synoptiques de surface (points noirs), des METAR (signes + violets), des observations de navires (points bleu roi), des bouées (points bleu marine), des radiosondes (astérisques violets), les observations de réfractivité du système de positionnement global (points rouges), les profileurs de vent (points jaunes), les rapports météorologiques en vol de l'aviation (points verts), les vents de surface de la mer QuikSCAT (points orange) et les vecteurs de mouvement atmosphérique par satellite (points aqua).

Figure 2. Distribution des observations

Informations concernant la qualité technique et scientifique

Les nouvelles caractéristiques de l'ASRv2 par rapport à l'ASRv1 sont une résolution horizontale plus élevée, une mise à jour de la physique du modèle, y compris l'interaction de la fraction des nuages avec le rayonnement à une échelle inférieure à la maille, et une routine à double boucle extérieure pour une assimilation plus précise des données.

Le document suivant compare les variables proches de la surface provenant de ASRv1, ASRv2 et ERAI aux observations de ∼4500 stations de surface fournies par le « National Centers for Environmental Information » (https://www.ncdc.noaa.gov/) pour la période de décembre 2006 à novembre 2007 : http://polarmet.osu.edu/ASR/asr_v2_table.pdf.

Il est actuellement prévu de mettre à jour ASRv2. La version mise à jour utilisera la dernière version de WRF et WRFDA, une procédure d'assimilation de données plus avancée, implémentera la microphysique de Morrison avec une concentration d'aérosol variable spécifiée, changera le modèle de surface terrestre pour Noah-MP, incorporera un modèle thermodynamique de glace de mer, et augmentera la résolution horizontale à au moins 10 km avec ~ 100 niveaux verticaux. Cette version sera connue sous le nom de ASRv3. Il est prévu de réaliser une réanalyse de la période de dérive de MOSAiC (automne 2019 - automne 2020) et elle sera disponible par le biais du NCAR.

Contraintes et atouts pour l’application dans le nord du Canada

Les notes suivantes sont des observations générales fournies à l'adresse https://climatedataguide.ucar.edu/climate-data/arctic-system-reanalysis-asr :

Principaux points forts : excellente reproduction des variables proches de la surface et de la troposphère.

Principales limites : Un biais sec est toujours présent pendant les mois les plus frais dans ASRv2.

Références aux documents décrivant la méthodologie ou/et le jeu de données

Bromwich, D., Y.-H. Kuo, M. Serreze, J. Walsh, L.S. Bai, M. Barlage, K. Hines, et A, Slater, 2010 : « Arctic System Reanalysis: Call for community involvement. EOS Trans. AGU», 91, 13-14. https://doi.org/10.1029/2010EO020001

Description technique en ligne (uniquement en anglais):

https://rda.ucar.edu/datasets/ds631.0/#!docs

Lien pour télécharger les données et format des données :

Accès aux données : NCAR/RDA

ASRv2 est disponible dans les formats NetCDF

Lien pour télécharger les données tri-horaires et mensuelles sur RDA :

3 analyse de la surface des données horaires entre 2000 et 2016

Prévision de la surface des données sur 3 heures de 2000 à 2016

ASR 15 km moyens mensuels des produits d'analyse

ASR 15 km moyennes mensuelles des produits de prévision

Publications comprenant l'évaluation de l'ensemble des données ou la comparaison avec d'autres données au Canada.

Bromwich, D.H., A.B. Wilson, L. Bai, G.W.K. Moore, et P. Bauer, 2016 : « A comparison of the regional Arctic System Reanalysis and the

global ERA-Interim Reanalysis for the Arctic. Q. J. R. Meteorol. Soc.», 142, 644-658. https://doi.org/10.1002/qj.2527

Bromwich, D.H., K.M. Hines, et L.-S. Bai, 2009 : « Development and testing of Polar WRF : 2. Arctic Ocean. J. Geophys. Res. », 114, D08122. https://doi.org/10.1029/2008JD010300

Smirnova, J., et P. Golubkin, 2017 : « Comparing polar lows in atmospheric reanalyses: Arctic System Reanalysis versus ERA-Interim. Mon.

Wea. Rev. », 145, 2375-2383, https://doi.org/10.1175/MWR-D-16-0333.1

Avila-Diaz, A., D.H. Bromwich, A.B. Wilson, F. Justino, S.-H. Wang, 2021 : « Climate extremes across the North American Arctic in modern reanalyses. J. Climate. », 34, 2385-2410, https://doi.org/10.1175/JCLI-D-20-0093.1

Chanona, M., et S. Waterman, 2020 : « Temporal Variability of Internal Wave-Driven Mixing in Two Distinct Regions of the Arctic Ocean. J. Geophys. Res. Oceans », 125, https://doi.org/10.1029/2020JC016181

Edel, L., C. Claud, C. Genthon, C. Palerme, N. Wood, T. L'Ecuyer, et D. Bromwich, 2020 : « Arctic snowfall from CloudSat observations and reanalyses. J. Clim. », 33, 2093-2109, https://doi.org/10.1175/JCLI-D-19-0105.1

Kaiser-Weiss, A.K., M. Borsche, D. Niermann, F. Kaspar, C. Lussana, F.A. Isotta, E. van den Besselaar, G. van der Schrier, et P. Undén, 2019 : « Added value of regional reanalyses for climatological applications. Environ. Res. Commun. » 1, https://doi.org/10.1088/2515-7620/ab2ec3

Gutjahr, O., et G. Heinemann, 2018 : « A model-based comparison of extreme winds in the Arctic and around Greenland. Int. J. Climatol.», 38, 5272-5292, https://doi.org/10.1002/joc.5729

Rabatel, M., P. Rampal, A. Carrassi, L. Bertino, et C. K. Jones, 2018 : « Impact of rheology on probabilistic forecasts of sea ice trajectories:

Application for search and rescue operations in the Arctic. Cryosphere », 12, 935-953, https://doi.org/10.5194/tc-12-935-2018

Kohnemann, S.H., G. Heinemann, D.H. Bromwich et O. Gutjahr, 2017 : « Extreme warming in the Kara Sea and Barents Sea during the

winter period 2000-16. J. Clim. », 30, 8913-8927, https://doi.org/10.1175/JCLI-D-16-0693.1.

Kolstad, E.W., 2017 : « Higher ocean wind speeds during marine cold air outbreaks. Quarterly J. Roy. Meteor. Soc. », 143, 2084-2092, https://doi.org/10.1002/qj.3068

Rampal, P., S. Bouillon, E. Ólason, et M. Morlighem, 2016 : « neXtSIM: a new Lagrangian sea ice model. The Cryosphere », 10, 1055-1073, https://doi.org/10.5194/tc-10-1055-2016.

Wang, F., W. Li et S. Wang, 2016 : «Polar cyclone identification from 4D climate data in a knowledge-driven visualization system. Climate », 4, https://doi.org/10.3390/cli4030043