Experimental results on the accuracy of a global forecast spectral model with different vertical discretization schemes

Abstract

A new vertical discretization scheme has been designed and tested in a global forecast spectral model. The scheme uses piecewise constant finite elements and guarantees conservation of global properties such as total mass, energy and angular momentum. A series of 7‐day global forecasts have been performed and compared with the corresponding forecasts obtained from the same global spectral model with a vertical staggered finite‐difference method and another with an unstaggered linear finite‐element method. The results suggest that, on the average, the new scheme with conservative properties performs better than the finite‐difference scheme but gives poorer results in the long‐wave amplitude and phase speed than the linear finite‐element scheme. The major difference between the schemes always appears near the bottom and the top boundaries which seems to be the main source of error in the model.

Résumé

On a conçu et éprouvé un nouveau schéma de discrétisation verticale pour un modèle spectral de prévision globale. Le schéma fait usage par bouts d'éléments finis constant et assure la propriété de la conservation globale qui inclut la masse totale, l'énergie et la quantité de mouvement angulaire. On a exécuté une série de prévisions globales pour 7 jours et on l'a comparé aux prévisions correspondantes obtenues à partir du même modèle spectral mais avec une méthode de différences finies échelonnée dans la verticale, et aussi avec celles d'une méthode linéaire non échelonnée à éléments finis. Les résultats suggèrent qu'en moyenne, le nouveau schéma aux propriétés de conservation, a un rendement meilleur que celui au schéma des différences finies, mais les résultats se rapportant à l'amplitude et la vitesse de la phase des ondes longues sont moins bons que ceux obtenus à partir du schéma à éléments finis linéaire. Les différences majeures entrent les schémas se manifestent aux limites inférieures et supérieures du modèle et semblent être la source principale d'erreurs dans le modèle.