Onderzoek

In deze Dienst onderzoekt men de fundamentele aspecten van de wetenschap van atmosfeer en klimaat, met op de eerste plaats de vraagstukken rond variabiliteit en voorspelbaarheid, maar ook toepassingen in de onderzoeksdomeinen van wiskundige modellering en data-analyse.  De onderzoekers van deze sectie bestuderen methodes en concepten uit niet-lineaire wetenschap, dynamische systemen en chaostheorie, om deze toe te passen of uit te breiden voor de onderzoeksdomeinen van de meteorologie en de klimatologie. Ze zijn ook betrokken bij de verbetering van weer- en klimaatvoorspellingen aan de hand van probabilistische technieken en door post-processing (naverwerking) van voorspellingen.

Naast de onderzoeksdoelen zet deze Dienst zich eveneens in op het gebied van onderwijs in de  bovenvermelde onderwerpen.  Zo worden hier regelmatig doctoraatsstudenten en masterstudenten van verschillende universiteiten begeleid, evenals post-doctorale onderzoekers in het kader van nationale en internationale projecten. Stéphane Vannitsem doceert de cursus Dynamische Meteorologie aan de faculteit Wetenschappen van de ULB (Université Libre de Bruxelles). Lesley De Cruz is eveneens assistent voor de cursus Data-assimilatie in het postgraduaat in de modellering van weer en klimaat aan de UGent (Universiteit Gent).

• De ontwikkeling van een theorie voor de groei van initiele fouten in instabiele systemen en de toepassing hiervan in modellen met een lage resolutie en in meer gedetailleerde atmosferische en klimaatmodellen.
• De modellering van de glaciaties van het quaternair en de ontdekking van het fenomeen van de « stochastische resonantie », wat een kwalitatieve verklaring geeft voor degevoeligheid van het klimaatsysteem aan externe forceringen met een zwakke amplitude
• De ontwikkeling van probabilistische voorspellingsmodellen en hun toepassing in de classificatie en voorspelling van atmosferische en hydrologische regimes, en de recurrentie van atmosferische analogen 
• De statistische en dynamische eigenschappen van regionale weermodellen
• De ontwikkeling van correctietechnieken voor deterministische en probabilistische voorspellingen

• De studie van de interactie tussen verschillende onderdelen van het klimaatsysteem en hun rol in de voorspelbaarheid van de atmosfeer
• De ontwikkeling van stochastische technieken voor de modellering van processen die plaatsvinden op een schaal kleiner dan de resolutie van de weersvoorspellingsmodellen
• De fundamentele studie naar het transitoire gedrag van de atmosfeer en het klimaat onder invloed van antropogene forceringen
• De ontwikkeling van naverwerkingstechnieken voor klimaatprojecties op seizoenale tot decadale schaal
• De ontwikkeling van een hiërarchie van gekoppelde oceaan-atmosfeermodellen met een toenemende complexiteit. Zie bijvoorbeeld de ontwikkeling van het model MAOOAM op GitHub [https://github.com/Climdyn/MAOOAM].

Deze video toont de evolutie van het gekoppeld oceaan-atmosfeermodel MAOOAM voor een modelversie met 620 variabelen, boven een domein ter grootte van de Atlantische oceaan. Van linksboven tot rechtsboven: het verschil in geopotentiële hoogte van 500 hPa tussen een punt in het noorden en in het zuiden van het domein, de atmosferische temperatuur en de oceaantemperatuur. Van linksonder tot rechtsonder: de evolutie van 3 variabelen in een 3D-projectie van de faseruimte van het model, de geopotentiële hoogte van 500hPa in de atmosfeer en de stroomfunctie van de oceaan.

Dr Stéphane Vannitsem, Hoofd van de Dienst en Werkleider
Tel : +32(0)2 3730552
E-mail : Stephane.Vannitsem[at]meteo.be

Dr Jonathan Demaeyer, eerstaanwezend assistent
E-mail : Jonathan.Demaeyer[at]meteo.be

Prof. Catherine Rouvas-Nicolis, consultant
Tel : +32(0)2 3730549
E-mail : cnicolis[at]meteo.be

Nicolis, G. & C. Nicolis 2012. Foundations of Complex Systems : nonlinear dynamics, statistical physics, information and prediction, World Scientific. Second edition.

De Cruz, L., J. Demaeyer & S. Vannitsem, The Modular Arbitrary-Order Ocean-Atmosphere Model : MAOOAM v1.0, Geoscientific Model Development, 9, 2793-2808, 2016.

Vannitsem S. & V. Lucarini, Statistical and dynamical properties of covariant Lyapunov vectors in a coupled ocean-atmosphere model – Multiscale effects, geometric degeneracy and error dynamics, J. Phys. A, 49, 224001, 2016.

Nicolis C. & G. Nicolis. Stochastic resonance across bifurcation cascades. Phys. Rev. E 95, 032219, 2017.

Vannitsem S. & M. Ghil, Evidence of coupling in the Ocean-Atmosphere dynamics over the North Atlantic, Geophys. Res. Lett., 44, 2016-2026, 2017.

De Cruz, L., S. Schubert, J. Demaeyer, V. Lucarini, & S. Vannitsem, Exploring the Lyapunov instability properties of high-dimensional atmospheric and climate models, Nonlinear Processes in Geophysics, 25,  387-412, 2018.

Demaeyer J. & S. Vannitsem, A comparison of stochastic parameterizations in the framework of a coupled ocean-atmosphere model, Nonlinear Processes in Geophysics,  25, 605–631, 2018.

Nicolis, C., Climatic responses to systematic time variations of parameters: a dynamical approach, Nonlinear Processes in Geophysics, 25, 649-658, https://doi.org/10.5194/npg-25-649-2018, 2018

Vannitsem S., D. Wilks, & J. Messner (Eds), Statistical Postprocessing of Ensemble Forecasts, Elsevier, 346 pp. ISBN: 978-0-12-812372-0, 2018.

Faranda D., G. Messori & S. Vannitsem, Attractor dimension of time-averaged climate observables: insights from a low-order ocean-atmosphere model, accepté dans Tellus A, 71, 1-11, 2019.