La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Page 1 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie.

Présentations similaires


Présentation au sujet: "Page 1 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie."— Transcription de la présentation:

1 Page 1 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement dOPA-VAR Production et évaluation danalyses océaniques Prévisions saisonnières

2 Page 2 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement dOPA-VAR Production et évaluation danalyses océaniques Prévisions saisonnières

3 Page 3 Développement dOPA-VAR OPA-VAR : Des systèmes dassimilation variationnelle (3D-Var et 4D-Var) autour du modèle OPA. Recherche associée : Aspects théoriques et algorithmiques en assimilation variationnelle. Applications aux (re-)analyses océaniques et à la prévision saisonnière. Projets ENACT (EC-FP5), début 2002 – début 2005 (+ 6 mois?) GMM, 2002 – 2004 PNEDC, 2002 – 2004 ENSEMBLES (EC-FP6), début 2005

4 Page 4 Le système OPA-VAR (bilan 1) (Weaver et al. 2003, MWR) OPA version 8.2 Configuration globale (ORCA2) : surface libre, sans glace Configuration pacifique tropicale Modèles linéaire-tangent et adjoint pour OPA 8.2 (OPA-TAM)* Physiques simplifiées pour la diffusion (verticale, isopycnale, eddy- induced, double) Développement dun solveur elliptique spécifique pour ladjoint en global (C. Deltel, LODYC) * Maintenance prévue par ESOPA au LODYC.

5 Page 5 Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = J b + J o Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes Initialisation : filtrage des ondes de gravités Pour 3D-Var : Incremental updating Pour 4D-Var : filtre numérique comme contrainte faible (J = J b + J o + J c ) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

6 Page 6 Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = J b + J o Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes Initialisation : filtrage des ondes de gravités Pour 3D-Var : Incremental updating Pour 4D-Var : filtre numérique comme contrainte faible (J = J b + J o + J c ) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

7 Impact du terme J c : expériences à une seule obs Période de coupure du filtre = T c Tc = 4 joursTc = 6 joursTc = 5 jours Atténuation des ondes dinertie-gravité : Incrément de vitesse verticale Atténuation de londe de Kelvin : Tc = 4 jours Tc = 6 joursTc = 5 jours Incrément de temperature 10/01 20/01 30/01 01/01 Temps 10/01 20/01 30/01 01/01 Temps

8 Page 8 Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = J b + J o Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes Initialisation : filtrage des ondes de gravités Pour 3D-Var : Incremental updating Pour 4D-Var : filtre numérique comme contrainte faible (J = J b + J o + J c ) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

9 Page 9 Le système OPA-VAR (bilan 3) La matrice de covariance derreur débauche (B) Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée. (Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse ) Paramétrisation de variances inhomogènes et en fonction de lébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques déquilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

10 Page 10 Le système OPA-VAR (bilan 3) La matrice de covariance derreur débauche (B) Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée. (Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse ) Paramétrisation de variances inhomogènes et en fonction de lébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques déquilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

11 GDE generated correlation functions solved implicitly with a direct matrix solver (collab. L. Giraud, ALGO) Example: T-T correlations at the equator

12 Page 12 Le système OPA-VAR (bilan 3) La matrice de covariance derreur débauche (B) Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée. (Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse ) Paramétrisation de variances inhomogènes et en fonction de lébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques déquilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

13 Page 13 Le système OPA-VAR (bilan 3) La matrice de covariance derreur débauche (B) Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée. (Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse ) Paramétrisation de variances inhomogènes et en fonction de lébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques déquilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

14 Multivariate covariance structures Example: covariance relative to a SSH ( point at (0 o,144 o W)

15 Page 15 Le système OPA-VAR (bilan 4) Observations Opérateurs dobservation (interpolation horizontale et verticale) pour in situ T et S, SSH et SST (D. Bari, IENM). In situ T et S : base de données dECMWF et dENACT Altimétrie et MSSH : base de données de CLS (C. Deltel, LODYC) * Formulation simple (diagonale) de la matrice de covariance dobs (R) Diagnostics internes de lassimilation Expériences à une seule observation ou à un seul profil Statistiques sur lébauche–obs. (innovations), lanalyse–obs. (résidus), et les incréments danalyses Analyse de budget (Ricci 2004, thèse) Scripts génériques pour enchaîner OPA-VAR sur plusieurs années * Développements en cours dintégration dans les sources dOPAVAR au CERFACS

16 Page 16 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement dOPA-VAR Production et évaluation danalyses océaniques Prévisions saisonnières

17 Page 17 Production et évaluation danalyses océaniques Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période (Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ; Ricci, 2004, thèse) Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période (P. Rogel, DEMETER)

18 Page 18 Production et évaluation danalyses océaniques Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période (Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ; Ricci, 2004, thèse) Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période (P. Rogel, DEMETER)

19 Impact of in situ T data assimilation on the mean zonal velocity (tropical Pacific model) climatology

20 Page 20 Production et évaluation danalyses océaniques Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période (Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ; Ricci, 2004, thèse) Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période (P. Rogel, DEMETER)

21 Impact of in situ T data assimilation on the mean salinity state (global model) 3D-Var univariate (T) Control (DEMETER)

22 Impact of in situ T data assimilation on the mean salinity state (global model) 3D-Var multivariate (T, S, u, v, SSH) Control (DEMETER)

23 Page 23 Dautres collaborations autour dOPA-VAR Tension de vent comme variables de contrôle (Vossepoel et al. 2004, MWR) Flux de chaleur, E-P et tension de vent comme variables de contrôle (C. Deltel, thèse) Etudes sur des perturbations optimales des modèles couplés (Moore et al. 2003, J. Clim.) Initialisation des modèles couplés (Tang et al. 2003, Geophys. Res. Lett.) …

24 Page 24 Développement dOPA-VAR et son exploitation Perspectives Continuer à développer et améliorer la chaîne OPA-VAR Aspects scientifiques : B Mise en place des nouveaux modèles de corrélations (diffusion implicite, coordonnées isopycnales, …) Méthode densemble pour estimer les statistiques derreur débauche Contrôle de qualité des observations backgound check Erreurs non-gaussiennes (variational quality control) Assimilation de SST (erreurs non-corrélées dan le temps et dans lespace) Assimilation de laltimetrie + MSSH observée (importance du biais du modèle) Meilleurs algorithmes de minimisation (S. Gratton, ALGO) …

25 Page 25 Développement dOPA-VAR et son exploitation Perspectives Continuer à développer et améliorer la chaîne OPA-VAR Aspects techniques PALM (N. Daget) Parallèlisation (MPI, OpenMP) Production et évaluation des analyses ENACT (puis ENSEMBLES) Stream 1 : et Stream 2 : (période ERA40) Expériences de sensibilité Données différentes assimilées : in situ T ; in situ T et S ; in situ T et S et altimétrie, … 3D-Var vs. 4D-Var Formulations différentes de B …

26 Page 26 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement dOPA-VAR Production et évaluation danalyses océaniques Prévisions saisonnières


Télécharger ppt "Page 1 Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie."

Présentations similaires


Annonces Google