Below-surface extrapolation of atmospheric variables in numerical climate models

Abstract

The use of atmospheric variables in horizontal layers that cross the Earth’s surface is quite common in weather and climate applications. Geopotential height and air temperature are variables that are usually extrapolated to a common reference pressure. Also, these variables at low isobaric levels (e.g. 850 hPa level) are often undefined in regions with a complex orography. These variables are used to characterise low-level atmospheric dynamics and thermodynamics. Numerical climate models solve the equations of the atmosphere in terrain-following vertical coordinates, which avoid crossing the Earth’s surface. Over complex terrain, the strategy of the different modelling groups varies from leaving these areas as missing values to the use of a variety of extrapolation algorithms. These are not well documented and may lead to differences among models over complex terrain which arise only from the different extrapolation strategies, and not from genuine modelling uncertainty. In this work, we review the extrapolation algorithms used in state-of-the-art global climate models and assess their impact on different variables over complex terrain. This required processing model output data using modern programming tools.

El uso de variables atmosféricas en capas horizontales que atraviesan la superficie terrestre es bastante habitual en las aplicaciones meteorológicas y climáticas. La altura geopotencial y la temperatura del aire son variables que suelen extrapolarse a presiones de referencia. Además, estas variables en niveles isobáricos bajos (por ejemplo, el nivel de 850 hPa) suelen estar indefinidas en regiones con una orografía compleja. Estas variables se utilizan para caracterizar la dinámica atmosférica y la termodinámica en niveles bajos. Los modelos climáticos resuelven las ecuaciones de la atmósfera en coordenadas verticales que siguen el terreno y evitan atravesar la superficie terrestre. En terrenos complejos, la estrategia de los distintos grupos de modelización varía desde dejar estas zonas como valores perdidos hasta el uso de diversos algoritmos de extrapolación. Estas estrategias no están bien documentadas y pueden dar lugar a diferencias entre los modelos en terrenos complejos que se deban únicamente a las distintas estrategias de extrapolación, y no a una auténtica incertidumbre en la modelización. En este trabajo revisamos los algoritmos de extrapolación utilizados en los modelos climáticos globales más avanzados y evaluamos su impacto sobre distintas variables en terrenos complejos. Para ello procesamos datos de salida de los modelos utilizando herramientas de programación modernas.