Against a backdrop of rising global surface temperature, the stability of the Indian monsoon rainfall over the past century has been a puzzle. By using a daily rainfall data set, we show (i) significant rising trends in the frequency and the magnitude of extreme rain events and (ii) a significant decreasing trend in the frequency of moderate events over central India during the monsoon seasons from 1951 to 2000. The seasonal mean rainfall does not show a significant trend, because the contribution from increasing heavy events is offset by decreasing moderate events. A substantial increase in hazards related to heavy rain is expected over central India in the future.

This article describes the UK Met Office Global Seasonal forecast system version 5 (GloSea5). GloSea5 upgrades include an increase in horizontal resolution in the atmosphere (N216–0.7°) and the ocean (0.25°), and implementation of a 3D‐Var assimilation system for ocean and sea‐ice conditions. GloSea5 shows improved year‐to‐year predictions of the major modes of variability. In the Tropics, predictions of the El Niño–Southern Oscillation are improved with reduced errors in the West Pacific. In the Extratropics, GloSea5 shows unprecedented levels of forecast skill and reliability for both the North Atlantic Oscillation and the Arctic Oscillation. We also find useful levels of skill for the western North Pacific Subtropical High which largely determines summer precipitation over East Asia.

Abstract The Global Coupled 3 (GC3) configuration of the Met Office Unified Model is presented. Among other applications, GC3 is the basis of the United Kingdom's submission to the Coupled Model Intercomparison Project 6 (CMIP6). This paper documents the model components that make up the configuration (although the scientific descriptions of these components are in companion papers) and details the coupling between them. The performance of GC3 is assessed in terms of mean biases and variability in long climate simulations using present‐day forcing. The suitability of the configuration for predictability on shorter time scales (weather and seasonal forecasting) is also briefly discussed. The performance of GC3 is compared against GC2, the previous Met Office coupled model configuration, and against an older configuration (HadGEM2‐AO) which was the submission to CMIP5. In many respects, the performance of GC3 is comparable with GC2, however, there is a notable improvement in the Southern Ocean warm sea surface temperature bias which has been reduced by 75%, and there are improvements in cloud amount and some aspects of tropical variability. Relative to HadGEM2‐AO, many aspects of the present‐day climate are improved in GC3 including tropospheric and stratospheric temperature structure, most aspects of tropical and extratropical variability and top‐of‐atmosphere and surface fluxes. A number of outstanding errors are identified including a residual asymmetric sea surface temperature bias (cool northern hemisphere, warm Southern Ocean), an overly strong global hydrological cycle and insufficient European blocking.

Abstract. We describe Global Atmosphere 6.0 and Global Land 6.0 (GA6.0/GL6.0): the latest science configurations of the Met Office Unified Model and JULES (Joint UK Land Environment Simulator) land surface model developed for use across all timescales. Global Atmosphere 6.0 includes the ENDGame (Even Newer Dynamics for General atmospheric modelling of the environment) dynamical core, which significantly increases mid-latitude variability improving a known model bias. Alongside developments of the model's physical parametrisations, ENDGame also increases variability in the tropics, which leads to an improved representation of tropical cyclones and other tropical phenomena. Further developments of the atmospheric and land surface parametrisations improve other aspects of model performance, including the forecasting of surface weather phenomena. We also describe GA6.1/GL6.1, which includes a small number of long-standing differences from our main trunk configurations that we continue to require for operational global weather prediction. Since July 2014, GA6.1/GL6.1 has been used by the Met Office for operational global numerical weather prediction, whilst GA6.0/GL6.0 was implemented in its remaining global prediction systems over the following year.

Abstract Aimed at reducing deficiencies in representing the Madden‐Julian oscillation (MJO) in general circulation models (GCMs), a global model evaluation project on vertical structure and physical processes of the MJO was coordinated. In this paper, results from the climate simulation component of this project are reported. It is shown that the MJO remains a great challenge in these latest generation GCMs. The systematic eastward propagation of the MJO is only well simulated in about one fourth of the total participating models. The observed vertical westward tilt with altitude of the MJO is well simulated in good MJO models but not in the poor ones. Damped Kelvin wave responses to the east of convection in the lower troposphere could be responsible for the missing MJO preconditioning process in these poor MJO models. Several process‐oriented diagnostics were conducted to discriminate key processes for realistic MJO simulations. While large‐scale rainfall partition and low‐level mean zonal winds over the Indo‐Pacific in a model are not found to be closely associated with its MJO skill, two metrics, including the low‐level relative humidity difference between high‐ and low‐rain events and seasonal mean gross moist stability, exhibit statistically significant correlations with the MJO performance. It is further indicated that increased cloud‐radiative feedback tends to be associated with reduced amplitude of intraseasonal variability, which is incompatible with the radiative instability theory previously proposed for the MJO. Results in this study confirm that inclusion of air‐sea interaction can lead to significant improvement in simulating the MJO.

Abstract The concept of an interannually varying Indian summer monsoon season is introduced here, considering that the duration of the primary driving of the Indian monsoon—the large‐scale meridional gradient of the deep tropospheric heat source—may vary from one year to another. Onset (withdrawal) is defined as the day when the tropospheric heat source shifts from south to north (north to south). This physical principle leads to a new thermodynamic index of the seasonal mean monsoon. While the traditional measure of seasonal rainfall, averaged from 1 June to 30 September, indicates a breakdown of the ENSO–monsoon relationship in recent decades, it is argued that this breakdown is partly due to the inappropriate definition of a fixed monsoon season. With a new physically based definition of the seasonal mean, the ENSO–monsoon relationship has remained steady over the decades. El Niño (La Niña) events contract (expand) the season, and thus decrease (increase) the seasonal mean monsoon by setting up persistent negative (positive) tropospheric temperature (TT) anomalies over the southern Eurasian region. Thus, we propose a new pathway, whereby the Indian summer monsoon could be influenced by remote climatic phenomena via modification of TT over Eurasia. Diagnostics of the onset and withdrawal processes suggest that onset delay is due to the enhanced adiabatic subsidence that inhibits vertical mixing of sensible heating from warm landmass during the pre‐monsoon months. On the other hand, the major factor that determines whether the withdrawal is early or late is the horizontal advective cooling. Most of the late (early) onsets and early (late) withdrawals are associated with El Niño (La Niña). This link between the ENSO and the monsoon is realized through vertical and horizontal advections associated with the stationary waves in the upper troposphere set up by the tropical ENSO heating. Copyright © 2007 Royal Meteorological Society

Abstract. The latest coupled configuration of the Met Office Unified Model (Global Coupled configuration 2, GC2) is presented. This paper documents the model components which make up the configuration (although the scientific description of these components is detailed elsewhere) and provides a description of the coupling between the components. The performance of GC2 in terms of its systematic errors is assessed using a variety of diagnostic techniques. The configuration is intended to be used by the Met Office and collaborating institutes across a range of timescales, with the seasonal forecast system (GloSea5) and climate projection system (HadGEM) being the initial users. In this paper GC2 is compared against the model currently used operationally in those two systems. Overall GC2 is shown to be an improvement on the configurations used currently, particularly in terms of modes of variability (e.g. mid-latitude and tropical cyclone intensities, the Madden–Julian Oscillation and El Niño Southern Oscillation). A number of outstanding errors are identified with the most significant being a considerable warm bias over the Southern Ocean and a dry precipitation bias in the Indian and West African summer monsoons. Research to address these is ongoing.

Abstract Diurnal warm layers develop in the upper ocean on sunny days with low surface wind speeds. They rectify intraseasonal sea‐surface temperatures (SSTs), potentially impacting intraseasonal weather patterns such as the Madden–Julian Oscillation (MJO). Here we analyse 15‐lead‐day forecast composites of coupled ocean–atmosphere and atmosphere‐only numerical weather prediction (NWP) models of the UK Met Office to reveal that the presence of diurnal warming of SST (dSST) leads to a faster MJO propagation in the coupled model compared with the atmosphere‐only model. To test the feedback between the MJO and the dSST, we designed a set of experiments with instantaneous vertical mixing over the top 5 or of the ocean component of the coupled model. Weaker dSST in the mixing experiments leads to a slower MJO over 15 lead days. The dSST produces a increase in the MJO phase speed between the coupled and the atmosphere‐only model. An additional increase is found for other coupling effects, unrelated to the dSST. A two‐way feedback manifests in the coupled model over the 15 lead days of the forecast between the MJO and the dSST. The MJO regime dictates the strength of the dSST and the dSST rectifies the intraseasonal anomalies of SST in the coupled model. Stronger dSST in the coupled model leads to stronger intraseasonal anomalies of SST. The MJO convection responds to these SSTs on a seven‐lead‐day timescale, and feeds back into the SST anomalies within the next three lead days. Overall, this study demonstrates the importance of high vertical resolution in the upper ocean for predicting the eastward propagation of the MJO in an NWP setting, which is potentially impactful for seasonal predictions and climate projections, should this feedback be unrepresented in the models.