Colloque National LEFE-ASSIM, Paris, France

Présentation au sujet: "Colloque National LEFE-ASSIM, Paris, France"— Transcription de la présentation:

1 Colloque National LEFE-ASSIM, Paris, France
Modélisation et assimilation des données pour les surfaces continentales : Une approche intégrée G. Balsamo European Centre for Medium-range Weather Forecasts En remerciant pour les contributions de: F. Bouyssel, J. Noilhan, J.F. Mahfouf, S. Bélair, G. Deblonde, A. Beljaars, P. Viterbo, B. van den Hurk, A. Betts, M. Drusch, P. de Rosnay, K. Scipal, J.C. Calvet, L. Jarlan, S. Lafont 1-2 décembre, 2008 Colloque National LEFE-ASSIM, Paris, France

2 Plan de la presentation
Introduction: Les reservoirs d’eau en surface Les erreurs de la surface: Condition initiale ou erreur modele? Les observations pour la surface L’analyse de la surface en PN La modelisation à l’aide de l’assimilation Conclusions et perspectives

3 Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995)
snow Soil moisture DA increments redistribute water and constraint near-surface errors moisture deficit Early snow melting anticipate moisture supply

4 Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)

5 Les increments d’analyse de neige entre ERA-40 et ERA-Interim
ERA ERA-Interim 1992, daily SWE increments T159 (~125 km) 3D-VAR, CY23R4 T255 (~80km) 4DVAR, CY31R1

6 L’impact de la rugosite : Une decouvert de SnowMIP2
Dutra et al. 2008 <CY30R1 >CY31R1

7 Importance de l’eau du sol et de la neige en PN
Le contenu en eau du sol est responsable de la répartition du flux de rayonnement solaire incident en flux de chaleur sensible (H) et latent (LE) en surface (Bowen ratio) La presence de neige determine une forte discontinuité dans l’albedo de surface ( a 0.8) et fonctionne comme isolant thermique de la surface. Affectent l’évolution de la couche limite Présentent une échelle temporelle (mémoire) de plusieurs semaines Spécificités: Absence d’observations directes sur un large domaine Variabilité spatiale élevée des paramètres de surface Méthode: Utiliser observations indirectes Pour l’eau du sol (prec., 2m obs., obs. satellites) Pour l’eau du sol T2m, Hu2m (Coiffier et al. 1987, Mahfouf 1991)

8 heterogeneity of soil moisture
Cas d’etude ALADIN-France, Juin 2000 : les erreurs à 2m et l’eau du sol en ciel clair Evaluation des erreurs à 2m dans le modele et lien avec l’eau du sol Correlation des erreurs a T2m & eau du sol Wet Dry heterogeneity of soil moisture

9 Impact d’un erreur d’initialisation dans l’eau du sol
Pour illustrer l’effet memoire pour l’eau du sol un erreur simulee est impose Et l’impact analyse au cour d’un PN (T2m, RH2m) T2m forecast error 10 days t t0 5 days 48 h 24 h 12 h RH2m forecast error 6 h Wp initial error

10 Le modèle de surface au CEPMMT
HTESSEL (Improved Hydrology: validation at monthly scales over 41 large World basins and daily scales only on Rhone basin HTESSEL became operational the Nov. 2007 Balsamo et al. 2008, ECMWF tech. memo. 563, also to appear in J. of Hydromet.) Hydrology-TESSEL Global Soil Texture Map (FAO) New formulation of Hydraulic properties Variable Infiltration capacity (VIC) surface runoff

11 La validation sur des sites de mesure
SEBEX (Savannah, Sandy soil) BERMS (Boreal Forest) HTESSEL improves soil moisture and evaporation with respect to TESSEL in dry climates and leads to a better represented soil moisture inter-annual variability in continental climate

12 Le projet AMMA-ALMIP-MEM : l’eau du sol et les Tb micro-ondes P
Le projet AMMA-ALMIP-MEM : l’eau du sol et les Tb micro-ondes P. de Rosnay, A. Boone, M. Drusch, T. Holmes, G. Balsamo, many others ALMIPers (papers submitted to IGARSS and JGR) AMMA-ALMIP-MEM first spatial verification of SM/Tbs C-band AMSR-E C-band Tb HTESSEL Result: HTESSEL+CMEM is un-biased and reproduces satellite obs. statistics!

13 L’analyse des surfaces continentales depuis 1991

14 L’analyse de surface par Interpolation Optimale (opérationnelle à Météo-France) Mahfouf 1991, Bouttier 1993, Giard and Bazile 2000 Interpolation Optimale de T2m et Hu2m à partir des observations SYNOP sur la grille du modèle D T2m = T2ma - T2mf D RH2m = RH2ma - RH2mf Correction des paramètres de surface (Ts, Tp, Ws, Wp) avec les incréments à 2m entre valeurs analysées et prévues analyse séquentielle (6h) Tsa - Tsf = D T2m T2m t Wp RH2m 6-h h h h Tpa - Tpf = D T2m / 2p Wsa - Wsf = aWsT D T2m + aWsRH D RH2m Wpa - Wpf = aWpT D T2m + aWpRH D RH2m In this short presentation, I will talk from mainly two aspects: firstly… secondly… aWp/sT/RH = f (t, veg, LAI/Rsmin, texture, atm.cds.) coefficients OI

15 L’analyse de surface par assimilation variationnelle
Mahfouf (1991), Callies et al. (1998), Rhodin et al. (1999), Bouyssel et al. (2000), Hess (2001), Balsamo et al. (2003), Mahfouf et al. (2008) Formalisme: J(x) = J b(x) + J o(x) = ½ (x – xb) T B-1 (x – xb) + ½(y – H(x))T R-1 (y – H(x)) x vecteur des variables de contrôle analyse continue y vecteur des observations H opérateur d’observation T2m t Wp RH2m 6-h h h h L’ analyse s’obtient par minimisation de la fonction coût J(x) B matrice des covariances d’erreur de l’ébauche R matrice des covariances d’erreur des observations Avantages: assimilation obs. asynoptiques, Extension fenêtre d’assim. (24-h)

16 La méthode 2D-VAR utilisée dans le modèle PN complet
Wp W’p=Wp + dWp Une perturbation initiale de l’eau du sol d Wp est appliquée en chaque point de grille du modèle. Guess G dT2m (i) = T2mG (i) - T2mG’ (i) ÷ ø ö ç è æ = p m T W RH d ) ( 2 1 ... H T2m t t= … p dWp Guess G’ ( ) 2 1 , ,..., p m b RH T x H y D = - D T2m (i) = T2mG (i) - T2mO (i)

17 Comment les radiances microondes et infrarouge nous informent sur le contenu en eau du sol?
L-band Tb IR Tskin C-band Tb Tb = ε Ts Ws Ws Wp Wp Soil moisture modifies soil dielectric const. emissivity ε Soil moisture affects Skin temperature and heating rate Sounding soil depth Frequency Wavelength Atmospheric absorption ~5 cm 1.4 GHz 21 cm Negligible ~1cm 6.9 GHz 5 cm Low (except rainy area) superficial (27.7 THz) 10.8 μm Important – clear sky only L-band Tb C-band Tb IR Ts

18 IR Tskin (or HR) L-band & C-Band TB t t t
G G’ Obs. Tb, H TsIR t Tb, V t t Morning (except Clouds) Every hour (except RFI in C-band) Wp Wp t t 0-h 1-h 2-h 3-h … ………… 23-h 0-h h 1-h 2-h 3-h … …… 23-h 0-h

19 L’analyse de l’eau du sol en PN
La plupart des techniques d’assimilation opérationnelles utilisent les 3 hypothèses suivantes : Indépendance (hypothèse de « truncated control variable space », permettant de traiter l’analyse de surface séparément de l’altitude) Locale (hypothèse de découplage spatial horizontal) Linéaire (hypothèse linéaire pour l’opérateur d’observation) Différentes méthodes ont été testées et sont utilisées opérationnellement: Interpolation Optimale (OI), Assimilation variationnelle (VAR), Filtre de Kalman (EKF, EnKF)

20 Hypothèse de linéarité
Une situation réelle (16 juin 2000 à 12UTC) est considérée pour tester la sensibilité aux perturbations initiales de l’eau du sol en fonction des conditions atmosphériques A) B) T’2m T2m B) T’2m T2m A)

21 hypothèse 2D (découplage horizontal)
L’hypothèse 2D est validée à l’aide des données simulées sur une situation réelle Depuis une erreur initial prescrit Wp Erreur d’ analyse Les erreurs de prévision à 6-h pour T2m et Hu2m

22 Convergence de l’analyse
Des observations simulées (consistantes avec SWI=0.5) ont été assimilées sur une période de 10 jours analyse 2D-VAR optimisé sur une fenêtre d’assim. de 24-h Des expériences avec observations réelles ont pu être considères

23 Comparaison du 2D-VAR et OI à Météo-France
A comparison with OI (Gain Matrix and OI coefficients) is useful to point out some properties of the variational approach masking of low sensitivity grid-points (coherence of masked areas) dependency from radiation rather than vegetation evaluation of the overall correction of the OI ( ) OI 2D-Var Veg. cover (%) Radiation (W/m2)

24 Comparaison du EKF et OI au CEPMMT
Drusch et al (ECMWF Tech. memo 576)

25 2D-VAR ALADIN comparé à SIM off-line
Un cycle d’assimilation 2D-VAR avec observations réelles pour l’analyse de l’eau du sol fournit une champ réaliste comparable au modèle hydrologique couplé, SAFRAN-ISBA-MODCOU (forcé par Prec., Ray. observés). Balsamo et al. (2003) Habets et al. (1999)

26 Equivalence de l’approche “stand-alone” & “atmospheric-coupled” pour evaluer les Jacobiens Mahfouf et al (JGR, submitted), Jarlan et al (JGR accepted), Balsamo et al 2007 (JHM) Atmospheric-coupled Stand-Alone T2m Q2m Comparison of OI and stand-alone 2DVAR, EKF Mahfouf (Meteo-France internal note) TIR Tb(C) Tb(L) Balsamo et al. 2006, 2007 (JHM)

27 Une strategie de developpement pour la surface
Complexity/Cost Generality sites (Offline) 2D (Offline) Global (Offline) Coupled GCM Coupled GCM + DA

28 Conclusions L’eau du sol et la quantité de neige accumulée en surface sont des variables critiques pour la performance de la prévision du temps sensible dans la basse troposphère. L’initialisation à l’aide des techniques d’estimation optimales (OI EKF, EnKF) represente le cadre ideal pour integrer plusieurs observations. Une assimilation multi-variee en surface montrera des erreurs modele (operateur d’observation et schemas de surface). Une approche intégrée pour le développement et la validation des schémas pour la surface en prenant en compte les increments d’analyse permet de valider de facon generale l’ensemble des schemas modele et assimilation. Conclusions and remarks

29 Perspectives

30 C-band active L-band Tb IR Ts C-band passive Tb MetOP ASCAT (2008- )
SMOS ESA mission (2009/09)  SMAP NASA mission L-band Tb IR Ts C-band passive Tb GOES-E GOES-W MSG MTSAT AQUA AMSR-E instrument (05/2002)

31 Comparaison ERA-40 ERS-Scat
Satellite and model soil moisture show good agreement High Agreement of absolute values and anomalies in tropics and mid latitudes Problems in desert (sensor related) and in cold climates

32 Assimilation du LAI dans CTESSEL
Lionel Jarlan et al. 2008 Land surface DA system lay-out DA scheme (simplified 2D-VAR) Jarlan et al. (2006), Balsamo et al. (2004)

33 Strong time shift of CTESSEL (# ISBA-A-gs)
CTESSEL vs LAI satellite ( ). Une application en Afrique de l’ouest Time series over (after rescaling) Strong time shift of CTESSEL (# ISBA-A-gs) C-TESSEL – MODIS consistent over forest and Savanna (min value) The DA helps to correct the model delay in vegetation growth Low values of LAI in the observations are still difficult to achieve

34 Leaf area Index & Net Ecosystem (LAI) Exchange (NEE)
TESSEL C-TESSEL : BERMS site Old Aspen. 8 years data set. NOTE: NEE total flux conservation imposed

35 Observations simulees au-dessus de L’Amerique du Nord
~50 km spatial resolution hourly 6-hourly L-band Tb C-band Tb IR Ts T/H 2m

36 Contenu en information des observations
INFORMATIVITY on SOIL MOISTURE 2008/ AVAILABILITY now L-band Tb C-band Tb IR Ts T/H 2m + Large information content + Global Coverage + Reduced Atmospheric Contrib. Surface soil moisture ? Not Available ‘till 2007 + Global coverage + Relatively reduced Atmospheric contrib. RFI Vegetation masking VWC>1kg/m2 + Large coverage Cloud Masking Model Bias + Wide validation -Coverage Variable Information Content

37 Sécheresse de l’été 2003: Comparaison de l’eau du sol et des
variations de l’indice de végétation (NDVI) Le 30 Juin 2003 (exp. 2D-Var + Ecoclimap (Masson et al. 2003)) Juin Juillet (CNES, 2003) Images SPOT/VEGETATION Variation des NDVI par rapport au 2002, fournit par Dr. Vincent Rivalland +Forte Indice 2003/ Faible Episode de sécheresse de cette année Variation du SWI du 30 juin par rapport au 30 juin 2000

38 Le cycle du carbone et la vegetation interactive (C-TESSEL)
ISBA-A-gs / C-TESSEL Met. forcing LAI LE, H, Rn, W, Ts… Active Biomass CO2 Flux [CO2]atm ISBA / TESSEL Prescribed (without seasonal cycle) INTERACTIF ISBA-A-gs / C-TESSEL are CO2-responsive land surface models, new versions of operational schemes used in atmospheric models

39 Le modèle de surface dans ALADIN-France
Adaptation dynamique de la prévision globale ARPEGE à échelle plus fine (~10 km) Le schéma ISBA est utilisé. Noilhan & Planton, (1989), Noilhan & Mahfouf, (1996), Bazile (1999), Giard & Bazile (2000), … Énergie Eau