LES OBSERVATIONS METEOROLOGIQUES Club des argonautes – 5/1/2011 Présentation des observations disponibles.

Slides:



Advertisements
Présentations similaires
Guillaume Thirel CNRM/GMME/MOSAYC Thèse encadrée par Éric Martin
Advertisements

Travail de thèse - CERFACS:
Stage effectué au CERFACS, sous la direction de Laurent Terray
S. Ricci, A.T. Weaver, E. Machu, P. Rogel CERFACS J. Vialard LODYC
Initialisation du modèle ORCA à laide danalyses MERCATOR : application des outils de lassimilation variationnelle. des outils de lassimilation variationnelle.
Pôle Route, Météo-France, Toulouse
Programme: PIM / MEDICIS
Le Centre dEtudes Spatiales de la BIOsphère SMOS : une mission vitale Tour dhorizon scientifique > Objectifs scientifiques Préparation de la mission SMOS.
Audition CNRS pour le poste 44/04 au LOCEAN
Atelier 4 : Aléas, risques environnementaux et sociétaux
Observations visuelles
Sylvain Mondon Météo-France
Time Series Séries Chronologiques Georges GARDARIN.
Utilisation du GPS en météo
Polarisation et Directionnalité
Modélisation mésoéchelle et validation satellite
Modélisation du climat : les équations primitives maltraitées
Estimations des changements climatiques dus aux activités humaines. Jean-Louis Dufresne CNRS / IPSL / LMD Laboratoire de Météorologie.
Télédétection des Océans : quels défis pour le futur ?
École Doctorale des Sciences de l'Environnement d’ Î le-de-France Année Modélisation Numérique de l’Écoulement Atmosphérique et Assimilation.
Évaluation des processus radiatifs et des nuages par le modèle GEM-LAM pour lannée SHEBA en Arctique UQÀMESCER Étudiant: Dragan Simjanovski Directeurs.
Modélisation de lirradiance spectrale UV Simulation Monte Carlo de la couverture surfacique, basée sur linjection de taches, leur fragmentation et érosion,
J-L Dufresne Responsable du pôle de modélisation Pôle de modélisation de l'IPSL: travaux en cours en vue de la préparation du prochain rapport du GIEC.
Estimation des changements climatiques dus aux activités humaines. Jean-Louis Dufresne CNRS / IPSL / LMD
Projet DEPHY ( ) Laboratoires : IPSL, LSCE, LGGE, LA, LOCEAN, LATMOS, LMD, CNRM-GAME, CEA, SISYPHE Le projet DEPHY visait à regrouper et coordonner.
Jean-Louis Dufresne, Jean-Yves Grandpeix LMD/IPSL; CNRS/UPMC Introduction à la.
Table ronde Variation décennale du climat
1 TR: Pour commencer, je vais vous enoncer qq informations generales sur els aér ainsi que leurs origines Modélisation et analyse de l'évolution des aérosols.
Simulation 3D du transfert radiatif
Diana BOU KARAM 1 Cyrille FLAMANT 1 Pierre TULET ²
Le système d’assimilation hybride Meso-NH/AROME
Résolution des équations de Maxwell en 2D Simulations de propagation d’ondes électromagnétiques à travers un noyau de comète. Conseil Scientifique Projet.
Les nuages, leur représentation dans les modèles,
Système d'assimilation de données couplé océan-atmosphère
Pour faire des prévisions, on a besoin de modèles…
Implication de l’IPSL sur le thème « Nuages » Deux grand axes d’intérêt de l’IPSL : Climat et grandes échelles & Analyse de processus à meso-echelle Déclinés.
Data ass. at high res. sept Pajot Benjamin 6-weeks data assimilation Dans ce power-point, on s´intéresse aux effets de l´assimilation à haute résolution.
Data ass. at high res. sept Pajot Benjamin Different variances and length scales Dans ce power-point, on s’intéresse aux apports de l’utilisation.
Structure du cours Introduction générale Notions de géodésie
Propagation de la lumière dans l’atmosphère: Application du LIDAR
Reconstruction de paramètres environnementaux à l’aide des GNSS: une opportunité pour les entreprises ? R. Warnant Professeur Université de Liège Géodésie.
PPA Lyon – GT Qualité de l’Air – 3 Novembre 2005 PPA LYON Simulations de scenarii.
Le Bulletin Climatique Global (BCG)
Stéphane Laroche Réal Sarrazin Judy St-James Séminaire Interne
Les GNSS et l’ionosphère
–1–1 Assimilation d’ozone ARPEGE Noureddine SEMANE Doctorant 2ème année, CNRM/GMGEC/CARMA Réunion ADOMOCA Novembre 2007.
Océanographie générale Master AQA Olivier Marti
Cartographie de la météo
Journée Météo-France / Mercator Océan 14 Juin 2010
Méthodes d’assimilation: Le problème du point de vue de la mesure (P. Prunet, Noveltis) Assimilation de données en zones cotières (P. De Mey, LEGOS/POC)
Galileo ? Bien plus qu’un système de navigation ! R. Warnant Professeur Université de Liège Géodésie et positionnement par satellites Chef de section ff.
Atelier ADOMOCA-2 Les Lecques, oct Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS.
Assimilation à mésoéchelle des observations radar et GPS
Operateur Lidar Vapeur d’eau aéroporté
LATMOS Réunion GT SPU Traitement de données spatiales.
Assimilation Simultanée des mesures du monoxide de carbone (CO) troposphériques et stratosphériques L. El Amraoui, J.-L. Attié, A. Piacentini, N. Semane,
La chaîne Safran-Isba-Modcou pour le suivi du bilan hydrique et la prévision de débits des principaux fleuves et rivières à l'échelle de la France Eric.
Sensibilité aux forçages atmosphériques et assimilation de données spatiales et in situ dans un modèle à surface libre du Golfe de Gascogne et du Plateau.
Prévisions de poussières pour FENNEC
Utilisation de METEOSAT pour initialiser et valider des simulations Méso-NH M.NURET, T. MONTMERLE et J.P. LAFORE CNRM/GMME-GMAP.
L’Hydrologie Continentale vu par T/P, ERS, GRACE, …
L’ATMOSPHERE Définition Composition air sec et vapeur aérosols
par gravimétrie spatiale GRACE
1/20 Assimilation 4D-Var d’observations d’ozone d’AURA/MLS dans ARPEGE pour un apport dynamique dans la haute troposphère/basse stratosphère N. SEMANE.
ADOMOCA 13 novembre 2008 S. Massart Assimilation des données d’ozone de SA-IASI Sébastien Massart CERFACS : A. Piacentini, D. Cariolle SA : C. Clerbaux,
1) Cartographie 3D du vent entre 10 et 120 km (vent tranversal : vent zonal en orbite polaire) Mesure de l’effet Doppler sur 13 CO et CO (10 m/s = 10 kHz)
G. Reffray, N. Ferry, B. Tranchant, B. Levier, …
Modélisation du signal de télédétection
MODELISATION METEOROLOGIQUE ET PREVISION NUMERIQUE DU TEMPS Jean PAILLEUX Météo-France (CNRM) 42 avenue G. Coriolis Toulouse Cedex 1
Réunion combes à neige 9 mai, 2016 Brad Carlson, doctorant Laboratoire d’Ecologie Alpine Supervisors: Philippe Choler & Wilfried Thuiller Apport de l’imagerie.
Transcription de la présentation:

LES OBSERVATIONS METEOROLOGIQUES Club des argonautes – 5/1/ Présentation des observations disponibles opérationnellement un jour donné sur 6h de temps… …Classées en une dizaine de « grands types » représentant quelques dizaines d’instruments et de systèmes d’observation (zoom sur obs océaniques). Chaque système d’observation ne représente qu’une petite quantité d’information par rapport à l’ensemble des besoins. … Exemple de la modélisation atmosphérique globale, plus spécifiquement du modèle du CEPMMT. Impact (bénéfice) apporté par les obs. Importance du monitoring opérationnel au quotidien et des séries temporelles qui en découlent (pour bien utiliser les observations).

MONITORING DES OBSERVATIONS Principe Toute variable observée est comparée à son homologue modélisée (en pratique dernière prévision numérique disponible, à 3, 6 ou 12h d’échéance = guess ou background) y : vecteur colonne contenant toutes les variables élémentaires observées. Dim y ~ 10 7 pour mod. CEPMMT X: vecteur colonne contenant toutes les variables (historiques) du modèle. Dim X ~ 10 9 pour mod. CEPMMT y se compare à HX par l’intermédiaire d’un opérateur d’observation H: « y-HX » est le vecteur colonne des innovations = écarts entre quantité observée et modélisée H peut être très simple… proche de l’identité (rare), le plus souvent complexe car les mesures instrumentales ne se comparent pas aisément aux variables du modèle. Le calcul des « y-HX » (pour X = Xb = background) est un préalable à toute assimilation de données. Ce calcul sert aussi au monitoring des obs: suivi disponibilité et qualité.

MONITORING DES OBSERVATIONS Utilisation des « Y-HX » y-HX b = O – B = (O – T) – (B – T) = ε o - ε b Statistiques sur les innovations par observation individuelle (série chronologique), par moyenne spatiale et temporelle Var ( ε o – ε b ) = Var (ε o ) + Var(ε b ) L’opérateur H est lui-même affecté d’une erreur appelée « erreur de représentativité », souvent combinée à l’erreur instrumentale et incluse dans ε o pour les calculs statistiques. Analyse = X a = X b + K(y-HX)…. … permet de faire les mêmes stats sur « y-HX a »

SURFACE OBSERVATIONS

RETRIEVAL OF A VERTICAL TEMPERATURE PROFILE 1 2 Z ou p T Radiances(weight functions) Radiative transfer INVERSION R i = B i [T(p 0 )].τ i (p0) – ƒ p B i [T(p)].dτ i (p)

DIRECT AND ADJOINT OBSERVATION OPERATORS H1 HnH2 H1 * H2 * Hn * …..….. …………. X (model var.) y mod X y Jo Chain of direct operators Chain of adjoint operators

Radio occultation geometry = the path of the ray perigee through the atmosphere

Processus d’inversion des mesures d’occultation radio GPS 1.Raw phase measurements 3. Bending angles (atmos.&ionos.) 4. Bending angles (atmos.) Ionospheric correction Smoothing & differentiation Doppler inversion Abel inversion 1DVAR retrieval 2. Doppler frequency shifts 5. Refractivity (atmos.) 6. Temperature and/or humidity retrievals Peut être modélisé à partir d’un modèle météo Pour une séquence d’enregistrements d’occultation radio

Principe de la mesure GPS-sol  Station GPS sol  Mesure du délai induit par l’atmosphère, ramené à la verticale –Délai (zénithal) total  Hautes fréquences dans le signal:  Variations du contenu intégré en vapeur d’eau  Haute résolution temporelle (typiquement 15 minutes), mais observations corrélées dans le temps  En fonction des modes de résolution utilisés par les producteurs de données (solutions de type réseau ou de type Precise Point Positioning): observations corrélées entre les stations récepteur GPS rayon

NB: dans le 4DVAR ARPEGE il s’agit de « super-observations », qui résultent de la moyenne de 4 obs. par heure  soit environ 1000 observations utilisées toutes les 6 heures Utilisation du GPS sol dans le 4DVAR ARPEGE global DPREVI/COMPAS

Utilisation du GPS sol dans le 3DVAR-3h AROME

Assimilation Case of 23 June 2005 near Paris Thunderstorm cells in the afternoon, not seen by AROME and ALADIN models without RUC (Rapid Update Cycle) assimilation.

ADM-AEOLUS (space lidar )

ADM-AEOLUS (lidar spatial)

Impact of various obs systems on NWP forecasts in different assimilation systems