Modellramverket HCLIM underlättar observationshantering, klimatgenerering, lateral gränskoppling samt efterbehandling, och är klimatversionen av systemet HIRLAM-ALADIN Research on Mesoscale Operational NWP in Euromed (HARMONIE).
HCLIM har utvecklats av ett konsortium av nationella meteorologiska institut i nära samarbete med HIRLAM-ALADIN NWP- och ACCORD-modellutvecklingen. HCLIM innehåller tre olika atmosfäriska fysikpaket AROME, ALARO och ALADIN, som är utformade för användning vid olika horisontella upplösningar. Den senaste versionen är HCLIM43 efterträder de tidigare versionerna HCLIM38 (Belušić et al., 2020) och HCLIM36 (Lindstedt et al., 2015; Lind et al., 2016). Versionen har visat sig effektiv i olika simuleringar över olika domäner (t.ex. Belušić et al., 2020; Lind et al., 2020, 2023; Wu et al., 2020; Wang et al., 2023) och internationella samarbetsprojekt (t.ex, Coppola et al., 2020; Ban et al., 2021; Pichelli et al., 2021; Berthou et al., 2022; Médus et al., 2022; Lipzig et al., 2023). HCLIM utmärker sig som ett robust regionalt klimatmodelleringssystem.
HCLIM-AROME är särskilt utvecklat för användning vid upplösningar som tillåter konvektion, speciellt djup konvektion, och tillämpas i allmänhet på horisontella upplösningar som är mer detaljerade än i fyra kilometers skala. I HCLIM-AROME används den icke-hydrostatiska dynamiska kärnan (Bubnova et al. 1995; Bénard et al. 2010), som utvecklats av ALADIN. Den löser de helt komprimerbara Euler-ekvationerna med en semi-implicit, semi-Lagrangisk diskretisering på två tidsnivåer på ett Arakawa A-grid. I vertikalen används en massbaserad hybrid tryckterrängföljande koordinat (Simmons och Burridge, 1981; Laprise, 1992).
HCLIM-AROME parameteriserar strålningen med hjälp av en tvåströmsapproximation i modellkolumner som beaktar effekterna av ytlutningar. Beräkningarna av den kortvågiga strålningen följer Fouquart och Bonnel (1980), medan den långvågiga strålningen kommer från en snabb radiativ överföringsmodell (RRTM) med 16 spektralband (Mlawer et al., 1997; Iacono et al., 2008). De optiska molnegenskaperna för flytande moln kommer från Morcrette och Fouquart (1986) och från Ebert och Curry (1992) för ismoln. HARMONIE-AROME använder ett mikrofysikaliskt system med blandad fas, ICE3-systemet (Pinty och Jabouille 1998, Lascaux et al., 2006) med ytterligare modifieringar för kalla förhållanden som kallas OCND2 (Müller et al., 2017), där molnvatten och is samt regn, snö och graupel är prognostiska variabler. Hagel antas bete sig som stora graupelpartiklar. Turbulensparametriseringen är det system som kallas HARMONIE with RACMO Turbulence (HARATU; Lenderink och Holtslag, 2004; Bengtsson et al., 2017).
HCLIM-ALARO används vanligtvis för gridstorlekar på fyra kilometer och större, och använder den hydrostatiska versionen av den dynamiska kärnan (Temperton et al., 2001). ALARO-0 användes i HCLIM38. Den nyare versionen ALARO-1 (Termonia et al., 2018) har hittills inte implementerats i HCLIM. I HCLIM38-ALARO används strålningsschemat ACRANEB2 av Ritter och Geleyn (1992) och Mašek et al. (2016). Djup konvektion parametriseras med hjälp av 3MT-systemet (Gerard et al., 2009), som separerar upplösta storskaliga och konvektiva moln för att undvika dubbelräkning av konvektiva processer vid högre upplösningar. Turbulensparametriseringen är ett pseudoprognostiskt system för turbulent kinetisk energi (pTKE) (Geleyn et al., 2006), en utvidgning av det vertikala diffusionssystemet av Louis-typ (Louis 1979).
HCLIM-ALADIN, som används som hydrostatisk modell, används för simuleringar med rutnätsavstånd nära eller större än tio kilometer. Det är den begränsade versionen av den globala modellen ARPEGE, från vilken den ärver alla dynamik- och fysikalternativ, vilket beskrivs i Termonia et al. (2018). På samma sätt som för AROME är strålningsschemat ett förenklat strålningsschema anpassat från ECMWF, beskrivet i Mascart och Bougeault (2011). Djup konvektion är parametriserad enligt Bougeault (1985), och turbulens redovisas med CBR-systemet (Cuxart et al., 2000) med blandningslängden från Bougeault och Lacarrere (1989). Mikrofysikaliska parametrar baseras på Lopez (2002) och Bouteloup et al. (2005).
Ramverket för ytparametrisering i HCLIM är SURFEX [Surface externalise (Masson et al., 2013)]. Heterogeniteten i subgridytan representeras av fyra plattor som omfattar naturliga kontinentala ytor, hav, inlandsvatten och stadsområden. Stadsytor simuleras med TEB (Town Energy Balance; Masson, 2000) som baseras på Urban Canyon-metoden (Nunez och Oke, 1977). Naturliga ytor parametriseras med modellen Interactions Soil-Biosphere-Atmosphere (ISBA, Noilhan och Planton, 1989). Inlandsvattnet simuleras med hjälp av sjömodellen FLake (Mironov et al., 2010). SURFEX är ett externt ytmodelleringssystem som är tillgängligt både offline och kopplat till atmosfäriska modeller. När SURFEX är kopplat till en atmosfärisk modell tar det emot variabler som nedåtriktad kortvågig och långvågig strålning, ytlufttryck, lufttemperatur, luftfuktighet, vind och nederbörd för varje tidssteg och använder dem sedan för att beräkna momentum- och ytenergiflöden. I HCLIM43 används SURFEX v8.1 tillsammans med markanvändningsdata ECOCLIMAP Second Generation 300m (Druel et al., 2022), sand/lera-data SoilGrids250m version 2.0 och orografidata GMTED2010. En mer ingående beskrivning av SURFEX v8.1 ges av Le Moigne (2018).
Ban, N., Caillaud, C., Coppola, E., Pichelli, E., Sobolowski, S., Adinolfi, M., Ahrens, B., Alias, A., Anders, I., Bastin, S., Belušić, D. et al., 2021: The first multi-model ensemble of regional climate simulations at kilometer-scale resolution, part I: evaluation of precipitation. Clim. Dyn., 57, 275–302, doi: 10.1007/s00382-021-05708-w.
Bénard, P., Vivoda, J., Mašek, J., Smolíková, P., Yessad, K. and co-authors. 2010. Dynamical kernel of the Aladin-NH spectral limited-area model: revised formulation and sensitivity experiments. Q. J. Roy. Meteorol. Soc. 136(646), 155#169. DOI:10.1002/qj.522.
Belušić, D., de Vries, H., Dobler, A., Landgren, O., Lind, P., Lindstedt, D., Pedersen, R. A., Sánchez-Perrino, J. C., Toivonen, E., van Ulft, B., Wang, F., Andrae, U., Batrak, Y., Kjellström, E., Lenderink, G., Nikulin, G., Pietikäinen, J.-P., Rodríguez-Camino, E., Samuelsson, P., van Meijgaard, E., and Wu, M., 2020: HCLIM38: a flexible regional climate model applicable for different climate zones from coarse to convection-permitting scales, Geosci. Model Dev., 13, 1311–1333, https://doi.org/10.5194/gmd-13-1311-2020.
Bengtsson, L., Andrae, U., Aspelien, T., Batrak, Y., Calvo, J., de Rooy, W., Gleeson, E., Hansen-Sass, B., Homleid, M., Hortal, M., Ivarsson, K.-I., Lenderink, G., Niemelä, S., Nielsen, K. P., Onvlee, J., Rontu, L., Samuelsson, P., Muñoz, D. S., Subias, A., Tijm, S., Toll, V., Yang, X., and Køltzow, M. Ø.: The HARMONIE–AROME Model Configuration in the ALADIN–HIRLAM NWP System, Mon. Weather Rev., 145, 1919–1935, https://doi.org/10.1175/MWR-D-16-0417.1, 2017.
Berthou, S., Roberts, M. J., Vanniere, B., Ban, N., Belušić, D., et al., 2022: Convection in future winter storms over Northern Europe. Environ. Res. Lett., 17, 114055, doi: 10.1088/1748-9326/aca03a.
Bougeault, P.: A Simple Parameterization of the Large-Scale Effects of Cumulus Convection, Mon. Weather Rev., 113, 2108–2121, https://doi.org/10.1175/1520-0493(1985)113<2108:ASPOTL>2.0.CO;2, 1985.
Bougeault, P. and Lacarrere, P.: Parameterization of Orography-Induced Turbulence in a Mesobeta–Scale Model, Mon. Weather Rev., 117, 1872–1890, https://doi.org/10.1175/1520-0493(1989)117<1872:POOITI>2.0.CO;2, 1989.
Bouteloup, Y., Bouyssel, F., and Marquet, P.: Improvements of Lopez’s progonostic large scale cloud and precipitation scheme, ALADIN Newsletter, 28, 66–73, 2005.
Bubnová, R., Hello, G., Beńard, P. and Geleyn, J. 1995. Integration of the fully elastic equations cast in the hydrostatic pressure terrain-following coordinate in the framework of the ARPEGE/Aladin NWP system. Mon. Weather Rev. 123(2), 515#535.
Coppola, E., Sobolowski, S., Pichelli, E., Raffaele, F., Ahrens, B., Anders, A., Ban, N., Bastin, S., Belda, M., Belušić, D., et al., 2020: A first-of-its-kind multi-model convection permitting ensemble for investigating convective phenomena over Europe and the Mediterranean. Clim. Dyn., 55, 3–34, doi: 10.1007/s00382-018-4521-8.
Cuxart, J., Bougeault, P., and Redelsperger, J.-L.: A turbulence scheme allowing for mesoscale and large-eddy simulations, Q. J. Roy. Meteorol. Soc., 126, 1–30, https://doi.org/10.1002/qj.49712656202, 2000.
Druel, A., Munier, S., Mucia, A., Albergel, C., and Calvet, J.-C.: Implementation of a new crop phenology and irrigation scheme in the ISBA land surface model using SURFEX_v8.1, Geosci. Model Dev., 15, 8453–8471, https://doi.org/10.5194/gmd-15-8453-2022, 2022.
Ebert, E. E., and J. A. Curry, 1992: A parameterization of ice cloud optical properties for climate models. J. Geophys. Res.,97, 3831, doi:10.1029/91JD02472.
Fouquart, Y., and B. Bonnel, 1980: Computations of solar heating of the earth’s atmosphere: A new parameterization. Beitr. Phys. Atmos., 53, 35–62.
Gerard, L., Piriou, J.-M., Brožková, R., Geleyn, J.-F. and Banciu, D. 2009. Cloud and precipitation parameterization in a Meso-Gamma-Scale operational weather prediction model. Mon. Weather Rev . 137(11), 3960#3977. DOI: 10.1175/2009MWR2750.1.
Iacono, M. J., Delamere, J. S., Mlawer, E. J., Shephard, M. W., Clough, S. A., and Collins, W. D.: Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models, J. Geophys. Res.-Atmos., 113, D13103, https://doi.org/10.1029/2008JD009944, 2008.
Laprise, R. 1992. The Euler equations of motion with hydrostatic pressure as an independent variable. Mon. Weather Rev. 120, 197#207.
Lascaux, F., Richard, E., and Pinty, J.-P.: Numerical simulations of three different MAP IOPs and the associated microphysical processes, Q. J. Roy. Meteorol. Soc., 132, 1907–1926, https://doi.org/10.1256/qj.05.197, 2006.
Lenderink, G. and Holtslag, A. A. M.: An updated length-scale formulation for turbulent mixing in clear and cloudy boundary layers, Q. J. Roy. Meteorol. Soc., 130, 3405–3427, https://doi.org/10.1256/qj.03.117, 2004.
Le Moigne, P., et al. 2018. Surfex Scientific Documentation. Technical Report. Météo-France. Download the technical report.
Lind, Petter, David Lindstedt, Erik Kjellström and Colin Jones. 2016. Spatial and Temporal Characteristics of Summer Precipitation over Central Europe in a Suite of High-Resolution Climate Models. Journal of Climate. DOI: 10.1175/JCLI-D-15-0463.1
Lind, P., Belušić, D., Christensen, O. B., Dobler, A., Kjellström, E., Landgren, O., Lindstedt, D., Matte, D., Pedersen, R. A., Toivonen, E., Wang, F., 2020: Benefits and added value of convection-permitting climate modelling over Fenno-Scandinavia. Clim. Dyn., doi: https://doi.org/10.1007/s00382-020-05359-3.
Lind, P., Belušić, D., Médus, E., Dobler, A., Pedersen, R. A., Wang, F., Matte, D., Kjellström, E., Landgren, O., Lindstedt, D., Christensen, O. B., & Christensen, J. H., 2022. Climate change information over Fenno-Scandinavia produced with a convection-permitting climate model. Clim. Dyn. 61, 519–541. https://doi.org/10.1007/s00382-022-06589-3.
Lindstedt, David, Petter Lind, Colin Jones and Erik Kjellström. 2015. A new regional climate model operating at the meso-gamma scale; performance over Europe. Tellus A, 67, 24138. DOI: 10.3402/tellusa.v67.24138
Lipzig, N.P.M.v., Walle, J.V.d., Belušić, D. et al., 2023: Representation of precipitation and top-of-atmosphere radiation in a multi-model convection-permitting ensemble for the Lake Victoria Basin (East-Africa). Clim. Dyn., 60, 4033–4054, doi: 10.1007/s00382-022-06541-5.
Lopez, P.: Implementation and validation of a new prognostic large-scale cloud and precipitation scheme for climate and data-assimilation purposes, Q. J. Roy. Meteorol. Soc., 128, 229–257, https://doi.org/10.1256/00359000260498879, 2002.
Louis, J. 1979. A parametric model of vertical eddy fluxes in the atmosphere. Bound Layer Meteorol. 7, 187#202.
Masson, V., 2000. A Physically-based scheme for the Urban Energy Budget in atmospheric models. Boundary-Layer Meteorol. 94, 357-397. https://doi.org/10.1023/A:1002463829265.
Masson, V., Le Moigne, P., Martin, E., Faroux, S., Alias, A. and co-authors. 2013. The SURFEXv7.2 land and ocean surface platform for coupled or offline simulation of earth surface variables and fluxes. Geosci. Model Dev. 6(4), 929#960. DOI:10.5194/gmd-6-929 2013.
Mašek, J., Geleyn, J.-F., Brožková, R., Giot, O., Achom, H. O., and Kuma, P.: Single interval shortwave radiation scheme with parameterized optical saturation and spectral overlaps, Q. J. Roy. Meteorol. Soc., 142, 304–326, https://doi.org/10.1002/qj.2653, 2016.
Médus, E., Thomassen, E. D., Belušić, D., Lind, P., Berg, P., Christensen, J. H., Christensen, O. B., Dobler, A., Kjellström, E., Olsson, J., Yang, W., 2022: Characteristics of precipitation extremes over the Nordic region: added value of convection-permitting modeling. Nat. Hazards Earth Syst. Sci., 22, 693–711, doi: 10.5194/nhess-22-693-2022.
Mironov, D., Heise, E., Kourzeneva, E., Ritter, B., Schneider, N., Terzhevik, A., 2010. Implementation of the lake parameterisation scheme FLake into the numerical weather prediction model COSMO. Boreal Environ. Res. 15, 218–230.
Mlawer, E. J., S. J. Taubman, P. D. Brown, M. J. Iacono, and S. A. Clough, 1997: Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J. Geophys. Res., 102, 16 663–16 682, doi:10.1029/97JD00237.
Morcrette, J.-J., and Y. Fouquart, 1986: The overlapping of cloud layers in shortwave radiation parameterizations. J. Atmos. Sci., 43, 321–328, doi:10.1175/15200469(1986)043,0321:TOOCLI.2.0.CO;2.
Müller, M., Homleid, M., Ivarsson, K.-I., Køltzow, M. A. Ø., Lindskog, M., Midtbø, K. H., Andrae, U., Aspelien, T., Berggren, L., Bjørge, D., Dahlgren, P., Kristiansen, J., Randriamampianina, R., Ridal, M., and Vignes, O.: AROME-MetCoOp: A Nordic Convective-Scale Operational Weather Prediction Model, Weather Forecast., 32, 609–627, https://doi.org/10.1175/WAF-D-16-0099.1, 2017.
Noilhan, J., Planton, S., 1989. A Simple Parameterization of Land Surface Processes for Meteorological Models. Mon. Weather Rev. 117, 536-549, https://doi.org/10.1175/1520-0493(1989)117<0536:ASPOLS>2.0.CO;2.
Nunez, M., Oke, T. R., 1977. The Energy Balance of an Urban Canyon. J. Appl. Meteorol. 16, 11-19. https://doi.org/10.1175/1520-0450(1977)016<0011:TEBOAU>2.0.CO;2.
Pichelli, E., Coppola, E., Sobolowski, S., Ban, N., Giorgi, F., Stocchi, P., Alias, A., Belušić, D., et al., 2021: The first multi-model ensemble of regional climate simulations at kilometer-scale resolution part 2: historical and future simulations of precipitation. Clim. Dyn., 56, 3581–3602, doi: 10.1007/s00382-021-05657-4.
Pinty, J.-P., and P. Jabouille, 1998: Mixed-phase cloud parameterization for use in a mesoscale non-hydrostatic model: Simulations of a squall line and of orographic precipitation. Proc. Conf. on Cloud Physics, Everett, WA, Amer. Meteor. Soc., 217–220.
Ritter, B. and Geleyn, J. 1992. A comprehensive radiation scheme for numerical weather prediction models with potential applications in climate simulations. Mon. Weather Rev. 120, 303#325.
Simmons, A. and Burridge, D. 1981. An energy and angular momentum conserving vertical finite-difference scheme and hybrid vertical coordinates. Mon. Weather Rev. 109, 758#766.
Temperton, C., Hortal, M., and Simmons, A.: A two-time-level semi-Lagrangian global spectral model, Q. J. Roy. Meteorol. Soc., 127, 111–127, 2001.
Termonia, P., Fischer, C., Bazile, E., Bouyssel, F., Brožková, R., Bénard, P., Bochenek, B., Degrauwe, D., Derková, M., El Khatib, R., Hamdi, R., Mašek, J., Pottier, P., Pristov, N., Seity, Y., Smolíková, P., Španiel, O., Tudor, M., Wang, Y., Wittmann, C., and Joly, A.: The ALADIN System and its canonical model configurations AROME CY41T1 and ALARO CY40T1, Geosci. Model Dev., 11, 257–281, https://doi.org/10.5194/gmd-11-257-2018, 2018.
Wang F., Belušić D., Amorim J. H, Ribeiro I. 2023. Assessing the impacts of physiography refinement on Stockholm summer urban temperature simulated with an offline land surface model. Urban Clim. 49, 101531. https://doi.org/10.1016/j.uclim.2023.101531.
Wu, M., Nikulin, G., Kjellström, E., Belušić, D., Jones, C., and Lindstedt, D., 2020: The impact of regional climate model formulation and resolution on simulated precipitation in Africa, Earth Syst. Dynam., 11, 377–394, doi: https://doi.org/10.5194/esd-11-377-2020.