Abstract This paper describes the main characteristics of CNRM‐CM6‐1, the fully coupled atmosphere‐ocean general circulation model of sixth generation jointly developed by Centre National de Recherches Météorologiques (CNRM) and Cerfacs for the sixth phase of the Coupled Model Intercomparison Project 6 (CMIP6). The paper provides a description of each component of CNRM‐CM6‐1, including the coupling method and the new online output software. We emphasize where model's components have been updated with respect to the former model version, CNRM‐CM5.1. In particular, we highlight major improvements in the representation of atmospheric and land processes. A particular attention has also been devoted to mass and energy conservation in the simulated climate system to limit long‐term drifts. The climate simulated by CNRM‐CM6‐1 is then evaluated using CMIP6 historical and Diagnostic, Evaluation and Characterization of Klima (DECK) experiments in comparison with CMIP5 CNRM‐CM5.1 equivalent experiments. Overall, the mean surface biases are of similar magnitude but with different spatial patterns. Deep ocean biases are generally reduced, whereas sea ice is too thin in the Arctic. Although the simulated climate variability remains roughly consistent with CNRM‐CM5.1, its sensitivity to rising CO 2 has increased: the equilibrium climate sensitivity is 4.9 K, which is now close to the upper bound of the range estimated from CMIP5 models.

Abstract This study introduces CNRM‐ESM2‐1, the Earth system (ES) model of second generation developed by CNRM‐CERFACS for the sixth phase of the Coupled Model Intercomparison Project (CMIP6). CNRM‐ESM2‐1 offers a higher model complexity than the Atmosphere‐Ocean General Circulation Model CNRM‐CM6‐1 by adding interactive ES components such as carbon cycle, aerosols, and atmospheric chemistry. As both models share the same code, physical parameterizations, and grid resolution, they offer a fully traceable framework to investigate how far the represented ES processes impact the model performance over present‐day, response to external forcing and future climate projections. Using a large variety of CMIP6 experiments, we show that represented ES processes impact more prominently the model response to external forcing than the model performance over present‐day. Both models display comparable performance at replicating modern observations although the mean climate of CNRM‐ESM2‐1 is slightly warmer than that of CNRM‐CM6‐1. This difference arises from land cover‐aerosol interactions where the use of different soil vegetation distributions between both models impacts the rate of dust emissions. This interaction results in a smaller aerosol burden in CNRM‐ESM2‐1 than in CNRM‐CM6‐1, leading to a different surface radiative budget and climate. Greater differences are found when comparing the model response to external forcing and future climate projections. Represented ES processes damp future warming by up to 10% in CNRM‐ESM2‐1 with respect to CNRM‐CM6‐1. The representation of land vegetation and the CO 2 ‐water‐stomatal feedback between both models explain about 60% of this difference. The remainder is driven by other ES feedbacks such as the natural aerosol feedback.

This paper provides an update on research in the relatively new and fast-moving field of decadal climate prediction, and addresses the use of decadal climate predictions not only for potential users of such information but also for improving our understanding of processes in the climate system. External forcing influences the predictions throughout, but their contributions to predictive skill become dominant after most of the improved skill from initialization with observations vanishes after about 6–9 years. Recent multimodel results suggest that there is relatively more decadal predictive skill in the North Atlantic, western Pacific, and Indian Oceans than in other regions of the world oceans. Aspects of decadal variability of SSTs, like the mid-1970s shift in the Pacific, the mid-1990s shift in the northern North Atlantic and western Pacific, and the early-2000s hiatus, are better represented in initialized hindcasts compared to uninitialized simulations. There is evidence of higher skill in initialized multimodel ensemble decadal hindcasts than in single model results, with multimodel initialized predictions for near-term climate showing somewhat less global warming than uninitialized simulations. Some decadal hindcasts have shown statistically reliable predictions of surface temperature over various land and ocean regions for lead times of up to 6–9 years, but this needs to be investigated in a wider set of models. As in the early days of El Niño–Southern Oscillation (ENSO) prediction, improvements to models will reduce the need for bias adjustment, and increase the reliability, and thus usefulness, of decadal climate predictions in the future.

Abstract Tropical cyclones (TCs) are a hazard to life and property and a prominent element of the global climate system; therefore, understanding and predicting TC location, intensity, and frequency is of both societal and scientific significance. Methodologies exist to predict basinwide, seasonally aggregated TC activity months, seasons, and even years in advance. It is shown that a newly developed high-resolution global climate model can produce skillful forecasts of seasonal TC activity on spatial scales finer than basinwide, from months and seasons in advance of the TC season. The climate model used here is targeted at predicting regional climate and the statistics of weather extremes on seasonal to decadal time scales, and comprises high-resolution (50 km × 50 km) atmosphere and land components as well as more moderate-resolution (~100 km) sea ice and ocean components. The simulation of TC climatology and interannual variations in this climate model is substantially improved by correcting systematic ocean biases through “flux adjustment.” A suite of 12-month duration retrospective forecasts is performed over the 1981–2012 period, after initializing the climate model to observationally constrained conditions at the start of each forecast period, using both the standard and flux-adjusted versions of the model. The standard and flux-adjusted forecasts exhibit equivalent skill at predicting Northern Hemisphere TC season sea surface temperature, but the flux-adjusted model exhibits substantially improved basinwide and regional TC activity forecasts, highlighting the role of systematic biases in limiting the quality of TC forecasts. These results suggest that dynamical forecasts of seasonally aggregated regional TC activity months in advance are feasible.

Abstract. The Decadal Climate Prediction Project (DCPP) is a coordinated multi-model investigation into decadal climate prediction, predictability, and variability. The DCPP makes use of past experience in simulating and predicting decadal variability and forced climate change gained from the fifth Coupled Model Intercomparison Project (CMIP5) and elsewhere. It builds on recent improvements in models, in the reanalysis of climate data, in methods of initialization and ensemble generation, and in data treatment and analysis to propose an extended comprehensive decadal prediction investigation as a contribution to CMIP6 (Eyring et al., 2016) and to the WCRP Grand Challenge on Near Term Climate Prediction (Kushnir et al., 2016). The DCPP consists of three components. Component A comprises the production and analysis of an extensive archive of retrospective forecasts to be used to assess and understand historical decadal prediction skill, as a basis for improvements in all aspects of end-to-end decadal prediction, and as a basis for forecasting on annual to decadal timescales. Component B undertakes ongoing production, analysis and dissemination of experimental quasi-real-time multi-model forecasts as a basis for potential operational forecast production. Component C involves the organization and coordination of case studies of particular climate shifts and variations, both natural and naturally forced (e.g. the “hiatus”, volcanoes), including the study of the mechanisms that determine these behaviours. Groups are invited to participate in as many or as few of the components of the DCPP, each of which are separately prioritized, as are of interest to them.The Decadal Climate Prediction Project addresses a range of scientific issues involving the ability of the climate system to be predicted on annual to decadal timescales, the skill that is currently and potentially available, the mechanisms involved in long timescale variability, and the production of forecasts of benefit to both science and society.

Decadal predictions have a high profile in the climate science community and beyond, yet very little is known about their skill. Nor is there any agreed protocol for estimating their skill. This paper proposes a sound and coordinated framework for verification of decadal hindcast experiments. The framework is illustrated for decadal hindcasts tailored to meet the requirements and specifications of CMIP5 (Coupled Model Intercomparison Project phase 5). The chosen metrics address key questions about the information content in initialized decadal hindcasts. These questions are: (1) Do the initial conditions in the hindcasts lead to more accurate predictions of the climate, compared to un-initialized climate change projections? and (2) Is the prediction model's ensemble spread an appropriate representation of forecast uncertainty on average? The first question is addressed through deterministic metrics that compare the initialized and uninitialized hindcasts. The second question is addressed through a probabilistic metric applied to the initialized hindcasts and comparing different ways to ascribe forecast uncertainty. Verification is advocated at smoothed regional scales that can illuminate broad areas of predictability, as well as at the grid scale, since many users of the decadal prediction experiments who feed the climate data into applications or decision models will use the data at grid scale, or downscale it to even higher resolution. An overall statement on skill of CMIP5 decadal hindcasts is not the aim of this paper. The results presented are only illustrative of the framework, which would enable such studies. However, broad conclusions that are beginning to emerge from the CMIP5 results include (1) Most predictability at the interannual-to-decadal scale, relative to climatological averages, comes from external forcing, particularly for temperature; (2) though moderate, additional skill is added by the initial conditions over what is imparted by external forcing alone; however, the impact of initialization may result in overall worse predictions in some regions than provided by uninitialized climate change projections; (3) limited hindcast records and the dearth of climate-quality observational data impede our ability to quantify expected skill as well as model biases; and (4) as is common to seasonal-to-interannual model predictions, the spread of the ensemble members is not necessarily a good representation of forecast uncertainty. The authors recommend that this framework be adopted to serve as a starting point to compare prediction quality across prediction systems. The framework can provide a baseline against which future improvements can be quantified. The framework also provides guidance on the use of these model predictions, which differ in fundamental ways from the climate change projections that much of the community has become familiar with, including adjustment of mean and conditional biases, and consideration of how to best approach forecast uncertainty.

Abstract Identifying the prime drivers of the twentieth-century multidecadal variability in the Atlantic Ocean is crucial for predicting how the Atlantic will evolve in the coming decades and the resulting broad impacts on weather and precipitation patterns around the globe. Recently, Booth et al. showed that the Hadley Centre Global Environmental Model, version 2, Earth system configuration (HadGEM2-ES) closely reproduces the observed multidecadal variations of area-averaged North Atlantic sea surface temperature in the twentieth century. The multidecadal variations simulated in HadGEM2-ES are primarily driven by aerosol indirect effects that modify net surface shortwave radiation. On the basis of these results, Booth et al. concluded that aerosols are a prime driver of twentieth-century North Atlantic climate variability. However, here it is shown that there are major discrepancies between the HadGEM2-ES simulations and observations in the North Atlantic upper-ocean heat content, in the spatial pattern of multidecadal SST changes within and outside the North Atlantic, and in the subpolar North Atlantic sea surface salinity. These discrepancies may be strongly influenced by, and indeed in large part caused by, aerosol effects. It is also shown that the aerosol effects simulated in HadGEM2-ES cannot account for the observed anticorrelation between detrended multidecadal surface and subsurface temperature variations in the tropical North Atlantic. These discrepancies cast considerable doubt on the claim that aerosol forcing drives the bulk of this multidecadal variability.

Abstract. Polar amplification – the phenomenon where external radiative forcing produces a larger change in surface temperature at high latitudes than the global average – is a key aspect of anthropogenic climate change, but its causes and consequences are not fully understood. The Polar Amplification Model Intercomparison Project (PAMIP) contribution to the sixth Coupled Model Intercomparison Project (CMIP6; Eyring et al., 2016) seeks to improve our understanding of this phenomenon through a coordinated set of numerical model experiments documented here. In particular, PAMIP will address the following primary questions: (1) what are the relative roles of local sea ice and remote sea surface temperature changes in driving polar amplification? (2) How does the global climate system respond to changes in Arctic and Antarctic sea ice? These issues will be addressed with multi-model simulations that are forced with different combinations of sea ice and/or sea surface temperatures representing present-day, pre-industrial and future conditions. The use of three time periods allows the signals of interest to be diagnosed in multiple ways. Lower-priority tier experiments are proposed to investigate additional aspects and provide further understanding of the physical processes. These experiments will address the following specific questions: what role does ocean–atmosphere coupling play in the response to sea ice? How and why does the atmospheric response to Arctic sea ice depend on the pattern of sea ice forcing? How and why does the atmospheric response to Arctic sea ice depend on the model background state? What have been the roles of local sea ice and remote sea surface temperature in polar amplification, and the response to sea ice, over the recent period since 1979? How does the response to sea ice evolve on decadal and longer timescales? A key goal of PAMIP is to determine the real-world situation using imperfect climate models. Although the experiments proposed here form a coordinated set, we anticipate a large spread across models. However, this spread will be exploited by seeking “emergent constraints” in which model uncertainty may be reduced by using an observable quantity that physically explains the intermodel spread. In summary, PAMIP will improve our understanding of the physical processes that drive polar amplification and its global climate impacts, thereby reducing the uncertainties in future projections and predictions of climate change and variability.

The climate impacts of the observed Atlantic multidecadal variability (AMV) are investigated using the GFDL CM2.1 and the NCAR CESM1 coupled climate models. The model North Atlantic sea surface temperatures are restored to fixed anomalies corresponding to an estimate of the internally driven component of the observed AMV. Both models show that during boreal summer the AMV alters the Walker circulation and generates precipitation anomalies over the whole tropical belt. A warm phase of the AMV yields reduced precipitation over the western United States, drier conditions over the Mediterranean basin, and wetter conditions over northern Europe. During boreal winter, the AMV modulates by a factor of about 2 the frequency of occurrence of El Niño and La Niña events. This response is associated with anomalies over the Pacific that project onto the interdecadal Pacific oscillation pattern (i.e., Pacific decadal oscillation–like anomalies in the Northern Hemisphere and a symmetrical pattern in the Southern Hemisphere). This winter response is a lagged adjustment of the Pacific Ocean to the AMV forcing in summer. Most of the simulated global-scale impacts are driven by the tropical part of the AMV, except for the winter North Atlantic Oscillation–like response over the North Atlantic–European region, which is driven by both the subpolar and tropical parts of the AMV. The teleconnections between the Pacific and Atlantic basins alter the direct North Atlantic local response to the AMV, which highlights the importance of using a global coupled framework to investigate the climate impacts of the AMV. The similarity of the two model responses gives confidence that impacts described in this paper are robust.