–1–1 Assimilation d’ozone ARPEGE Noureddine SEMANE Doctorant 2ème année, CNRM/GMGEC/CARMA Réunion ADOMOCA 21-22 Novembre 2007.

Slides:



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

Atelier Assimilation Toulouse Décembre 2005 P. Ricaud Laboratoire dAérologie Toulouse.
Assimilation de données océaniques pour la prévision saisonnière
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.
Correction des flats-fields Nadège Meunier Atelier MTR, 17 janvier 2006, Tarbes.
Utilisation du GPS en météo
Atelier ADOMOCA novembre 2006
Approche modèle-vers-satellite
Améliorations du schéma de rayonnement
Atelier ADOMOCA Nov 2007 Hervé Le Berre & Daniel Cariolle Une méthode plus robuste pour la résolution des systèmes chimiques Projet ANR SOLSTICE.
Introduction aux interactions Océan-Atmosphère en Atlantique tropical
Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan dans le modèle de biogéochimie marine PISCES Thèse de Abdou Kane Direction: Cyril.
Projet DEPHY ( ) Laboratoires : IPSL, LSCE, LGGE, LA, LOCEAN, LATMOS, LMD, CNRM-GAME, CEA, SISYPHE Le projet DEPHY visait à regrouper et coordonner.
L ’ÉVALUATION DES ACTIONS ORDINAIRES:
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
Le système d’assimilation hybride Meso-NH/AROME
Modes de représentation des incertitudes : Un état des lieux
Problèmes inverses en électroencéphalographie
Demande stochastique stationnaire
Système d'assimilation de données couplé océan-atmosphère
Régression linéaire.
STT-3220 Méthodes de prévision
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.
LA MAQUETTE ADOMOCA A. Piacentini, S. Massart et al. Atelier ADOMOCA – Paris novembre 2006.
RESULTATS de MOCAGE pendant l’expérience ITOP Travail de thèse de N. Bousserez Laboratoire d’Aérologie, Toulouse CNRM-GAME, Toulouse CNES.
Assimilation des données ODIN/SMR O3 and N2O dans MOCAGE-PALM : Bilan chimique de l’ozone L. El Amraoui, V.-H. Peuch, S. Massart, P. Ricaud, D. Cariolle.
Implantation de MOCAGE-PALM au Laboratoire d'Aérologie
L’ANALYSE OPERATIONNELLE D’OZONE DU CEPMMT Depuis le 7/2/2006: Haute résolution: L91, T799 (50 km, 800 latitudes) 4D-VAR Schéma O3 linéaire avec chimie.
Assimilation des données satellitales dans les modèles éco-hydrologiques: stratégies et travaux en cours G. Boulet, B. Duchemin, P. Maisongrande, O. Merlin,
Méthodes de Biostatistique
Prévision de la trajectoire d'une avalanche dense
L'outil MOCAGE-PALM au Laboratoire d'Aérologie
Evaluation de l’impact sanitaire (EIS) de la pollution atmosphérique urbaine dans six grandes agglomérations de la région Provence-Alpes-Côte d’Azur Pascal.
Diagnostic et assimilation de structures cohérentes en météorologie Thibaut Montmerle, Yann Michel GAME-CNRM/GMAP Rencontre Météo/Maths Appli Mars 2009.
1 Introduction à la théorie des tests. 2 Plan I- choix entre 2 paramètres de tendance centrale Choix entre 2 proportions pour un caractère qualitatif.
Une méthode de désagrégation adaptée au forçage de modèles océaniques M. Minvielle, J. Boé, C. Cassou, J. Najac, L. Terray, R. Bourdallé-Badie.
1 Une méthode itérative pour l'unfolding des données expérimentales, stabilisée dynamiquement(*) Bogdan MALAESCU LAL LLR 28/09/2009 (*arxiv: )
PPA Lyon – GT Qualité de l’Air – 3 Novembre 2005 PPA LYON Simulations de scenarii.
Caswell 2001 Sinauer Associates
des modèles utilisés pour la modélisation incendie
LES OBSERVATIONS METEOROLOGIQUES Club des argonautes – 5/1/2011 Présentation des observations disponibles.
Stéphane Laroche Réal Sarrazin Judy St-James Séminaire Interne
Contexte Partie finale de l’exercice d’inter-comparaison ESCOMPTE  Rédaction du rapport de l’exercice d’inter-comparaison Escompte (corrections des participants.
Adaptations Statistiques des prévisions numériques opérationnelles
Journée Météo-France / Mercator Océan 14 Juin 2010
4 ème Réunion des utilisateurs de Méso-NH – 23 et 24 avril 2007 Influence des conditions initiales sur un événement de précipitations intenses Sébastien.
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)
18/06/07NOV-3554-SL Réunion ADOMOCA 21/11/2007 Contribution à l’assimilation chimique des observations METOP : IASI et GOME.
Journées ADOMOCA novembre 2007 S. Massart Vers une nouvelle modélisation de la matrice des covariances d’erreur de prévision Sébastien Massart (1),
Journées ADOMOCA novembre 2007 A. Piacentini La maquette d’assimilation et son évolution Andrea Piacentini (1), Eric Le Flochmoën (2), Hervé Le Berre.
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
Assimilation Simultanée des mesures du monoxide de carbone (CO) troposphériques et stratosphériques L. El Amraoui, J.-L. Attié, A. Piacentini, N. Semane,
Simulation du cyclone DINA à l’approche de la R é union et influence du relief 3e Réunion des Utilisateurs Méso-NH Samuel Jolivet (LPA/CRC)
MSDOL/PALM Atelier ADOMOCA - Toulouse novembre 2007 D. Cugnet.
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.
Utilisation de METEOSAT pour initialiser et valider des simulations Méso-NH M.NURET, T. MONTMERLE et J.P. LAFORE CNRM/GMME-GMAP.
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.
Réunion ADOMOCA, Paris Novembre 2006 L. El Amraoui et al. Assimilation des données Odin/SMR et Aura/MLS durant l’hiver.
1 ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique P. Ricaud Laboratoire d’Aérologie Toulouse D. Cariolle CERFACS Toulouse.
ADOMOCA 13 novembre 2008 S. Massart Assimilation des données d’ozone de SA-IASI Sébastien Massart CERFACS : A. Piacentini, D. Cariolle SA : C. Clerbaux,
Couche limite et micrométéorologie Application de la similitude de M-O Application de la similitude de M-O : Extrapolation des vents à Cabauw.
Assimilation 4D-var dans la chaîne Mocage-Palm Hélène MANZONI (1) S. MASSART (2), V.-H. PEUCH (1), D. CARIOLLE (2) (1) (1) Météo-France CNRM/GMGEC/CARMA,
Assimilation Lidar Aéroportés DIAL pendant COPS Travail de Matthias Grzeschik Soline Bielli Réunion Méso-NH 14 janvier 2010.
25 janvier 2011 Ce travail a bénéficié d’une aide de l’Agence Nationale de la Recherche portant la référence ANR-09-VILL-0003 LES SCENARIOS CLIMATIQUES.
Assimilation des profils d’ozone de SMR, MIPAS et GOMOS dans le système MOCAGE-PALM Sébastien Massart (1), D. Cariolle (1,2) (1) CERFACS 42 avenue Gaspard.
Transcription de la présentation:

–1–1 Assimilation d’ozone ARPEGE Noureddine SEMANE Doctorant 2ème année, CNRM/GMGEC/CARMA Réunion ADOMOCA Novembre 2007

–2–2 Assimilation Observations y o Ebauche x b = M (x a - ) Analyse

–3–3 Expression de x a  Estimation Linéaire Statistique : x a = x b +  x =  x b + K d = x b + BH T (HBH T +R) -1 d, avec  d = y o – H(x b ), innovation,  K, matrice de gain,  B et R, covariances des erreurs d’ébauche et d’observation.  Formulation variationnelle fonction coût : J(  x) =  x T B -1  x + (d-H TL  x) T R -1 (d-H TL  x)  Calcul de J’ : utilisation d’opérateurs adjoints. (Talagrand and Courtier 1987)  4D-Var : H et son linéaire tangent H TL sont généralisés: H -> HM et H TL -> H TL M TL avec M=modèle et M TL son linéaire tangent  3D-FGAT: M TL =Identité (Fisher et al. 2001)

–4–4 Principe de l’assimilation 4D-VAR 9h12h15h JbJb JoJo JoJo JoJo obs analyse xaxa xbxb prévision corrigée ancienne prévision

–5–5 Assimilation dans ARPEGE  Rôle de l’ozone dans ARPEGE: -paramétrisation du rayonnement : fort impact sur la température (Cariolle and Morecrette 2006) (Actuellement profil standard d’ozone issu d’une climatologie en moyenne zonale) -schéma de transfert radiatif utilisé dans l’assimilation des radiances satellitaires (AIRS, HIRS, AMSU-A) (Actuellement profil climatologique d’ozone) -vent: assimilation des observations d’ozone crée un incrément du vent via le modèle linéaire Tangent et son adjoint dans le 4D-Var *

–6–6 Assimilation dans ARPEGE  Peuch et al OSSE & OSE: intérêt potentiel des colonnes totales d’ozone TOVS -bénéfice sur les prévisions météorologiques : qualité des observations et des ébauches d’ozone. >> continuité : S. Pradier et N. Semane - assimilation des profils Aura/MLS dans ARPEGE -ozone traceur passif -ébauche d’ozone fournie par MOCAGE ou MOCAGE-PALM >> objectif -quantifier l’impact sur l’analyse et la prévision météorologique

–7–7 Impact de l’ozone sur le vent (Riishojgaard, 1996; Peuch et al., 2000 )

–8–8 B: Documentation  Rôle de B - filtrage et propagation des écarts observations – ébauche  Documentatio de B -Assimilation d’ensemble pour l’opérationnel: perturbations sur les observations-> perturbations sur  a et  b.(Evensen, 1994) -Méthode NMC pour l’ozone (Parrish and Derber, 1992)

–9–9 Cycle d’assimilation 00 UTC06 UTC12 UTC18 UTC Data t+3 Hrs O3O3 O3O3 O3O3 O3O3 O3O3 MOCAGE ou MOCAGE-PALM

–10 Expérience à une obs  L’incrément d’analyse est-il réaliste? Comparaison entre l’incrément théorique et expérimental en ozone: -D’après Thépaut et al. 1996, l’incrément d’analyse devrait satisfaire l’équation suivante : I th =incrément d’analyse au point d’observation = analyse - ébauche d=innovation au point d’observation=observation – ébauche σ b =écart-type d’erreur d’ébauche en ozone au point d’observation σ o =écart-type d’erreur d’observation en ozone au point d’observation Paramètres de notre expérience : I exp (en ppmv)= σ o (en ppmv) = σ b (en ppmv) = d(en ppmv)= Calcul de l’incrément théorique : I th (en ppmv)= *0.4826= ~Iexp -L’incrément expérimental ( ) est très proche de l’incrément théorique ( ). Ce qui nous permet de conclure que notre assimilation produit des incréments en ozone qui sont réalistes. - La valeur absolue de l’écart entre l’observation et l’analyse (|OMA|=0.008) est bien inférieure à la valeur absolue de l’innovation |d | ou (|OMF|=0.0662) c’est à dire |OMA | <|OMF|. Ce qui montre que l’analyse de l’ozone est faite d’une manière correcte.

–11 Expérience à une obs Répartition horizontale isotrope de l’incrément autour du point d’observation situé à 49°N et 10°W et au niveau de pression 100hPa

–12 Diagnostics (ozone % MLS) _____ background departure --> L’assimilation réduit bien les biais et les écarts-types pour les OMA en comparaison avec les OMF

–13 Diagnostics (vent % TEMP)  Impact presque neutre de l’assimilation de l’ozone sur l’analyse du vent

–14 Scores de prévision (vent 50hPa % TEMP) Force du ventDirection du vent Score positif est en bleu, et négatif en rouge Scores de prévision calculés sur la période 15 janvier-15 mars 2006

–15 Conclusions  Le 4dvar d’ARPEGE assimile correctement les mesures d’ozone de MLS  Impact presque neutre de l’assimilation de l’ozone sur l’analyse du champs du vent  Impact sur la prévision du vent: C’est la force du vent aux alentours du niveau 50hPa dans les tropiques qui a légèrement bénéficié de l’assimilation du champs d’ozone, et ce pour les prévisions au-delà de heures d’échéance.  Impact neutre de l’assimilation de l’ozone sur l’analyse et la prévision des autres paramètres du modèle.