18/06/07NOV-3554-SL Réunion ADOMOCA 21/11/2007 Contribution à l’assimilation chimique des observations METOP : IASI et GOME

18/06/2007NOV-3554-SL Introduction Projet financé par le CNES dans le cadre des projets TOSCA Responsable scientifique: Cathy Clerbaux (SA) Collaborateurs scientifiques:  S.A.: Solène Turquety, Juliette Hadji-Lazaro  L.A.: Jean-Luc Attié  L.S.C.E.: Didier Hauglustaine, Sophie Szopa, Anne Cozic  N.C.A.R.: Jean-François Lamarque  CERFACS: Andrea Piacentini

18/06/2007NOV-3554-SL Introduction Rôle de NOVELTIS:  Soutien aux scientifiques dans le développement des chaînes d’assimilation de données MetOP :  expertise dans le développement des chaînes de traitement de données en quasi-temps réel ;  expertise sur l’instrument et les données IASI : simulation et traitement des données.

18/06/2007NOV-3554-SL Déroulement du projet Projet financé en 3 étapes:  :  opérateur d’observation qui s’intègre dans la logique de développement modulaire de PALM ;  génération des données synthétiques avec les colonnes intégrées de CO de IASI ;  adaptation du filtre de Kalman (NCAR) aux colonnes intégrées de CO de IASI.  :  interfaçage du filtre de Kalman avec LMDz-INCA ;  gestion de la matrice de covariance d’erreur du modèle dans LMDz-INCA ;  premiers tests d’assimilation avec les données synthétiques.  :  assimilation de données IASI (colonnes de CO du S.A.) ;  mise en place d’une chaîne d’assimilation pour POLARCAT.

18/06/2007NOV-3554-SL Tâches réalisées par NOVELITS en Interfaçage du module avec le filtre de Kalman avec LMDz- INCA :  lecture des observations ;  génération de fichiers avec les diagnostics  gestion de la matrice d’erreur du modèle.

18/06/2007NOV-3554-SL Calcul de la matrice de covariance d’erreur du modèle(B) Le formalisme du filtre de Kalman permet de décrire l’évolution de la matrice B  Après assimilation des observations :  Seuls les éléments diagonaux sont calculés ;  Les éléments non-diagonaux (corrélations entre différentes mailles horizontales et verticales) de la matrice sont paramètrés en fonction de la distance verticale et horizontale ;  L xy et L z sont les rayons d’influence horizontale et verticale.

18/06/2007NOV-3554-SL Calcul de la matrice de covariance d’erreur du modèle(B) Pour l’évolution des éléments diagonaux entre deux appels à la routine d’assimilation  où M est le modèle et q ii représente les erreurs du modèle accumulées pendant l’intégration de t à t+Δt  Le terme M(b ii (t)) est approximé en transportant b ii comme un traceur passif dans le modèle (advection, convection et le transport dans la couche limite) ;  NOVELTIS a ajouté un nouveau traceur dans LMDz-INCA pour transporter et stocker les éléments diagonaux entre deux appels au module d’assimilation.

18/06/2007NOV-3554-SL Premiers tests avec le module d’assimilation L’assimilation avec les données synthétiques de IASI  Colonnes intégrées de CO ;  Générées en utilisant les champs 3D de MOCAGE ;  Disponibles pour la période du 8 juillet au 12 juillet 2004 ;  L’erreur sur les « mesures » fixée à 15 % de la colonne intégrée. La période  Simulation de 30 jours (juillet 2004) ;  Assimilation pendant 5 jours entre le 8 et le 12 juillet. Caractéristiques de l’assimilation  Les observations sont regroupées au sein de super-observations ;  La fenêtre d’assimilation est de 30 minutes ;  L’erreur initiale du modèle est fixée à 20 % ;  Croissance d’erreur ε=0.01 par heure ;  Une seule fonction de lissage.

18/06/2007NOV-3554-SL Colonnes intégrées de CO model forecast (LMDz-INCA) « Observations » (molecules/cm2*10 18 )

18/06/2007NOV-3554-SL Colonnes intégrées de CO- Résultats de l’assimilation

18/06/2007NOV-3554-SL Résultats pour la région de la baie de Guinée Colonnes de CO moyennées spatialement dans la région : 20°S<lat<5°N, 20°W<lon<5°E

18/06/2007NOV-3554-SL Résultats pour la région de la baie de Guinée Distribution de l’erreur du modèle intégrée spatialement

18/06/2007NOV-3554-SL Fonction de lissage utilisée

18/06/2007NOV-3554-SL OmF=Observations-Forecast

18/06/2007NOV-3554-SL Résultats globaux

18/06/2007NOV-3554-SL Amélioration de l’estimation de l’évolution de la variance d’erreur du modèle Dans la méthode actuelle, la seule source de variance d’erreur du modèle vient du terme qui est proportionnel à la concentration de CO Il serait souhaitable d’ajuster la variance en fonction de notre confiance dans les valeurs simulées pour une région donnée (Lamarque et Gille, 2003)  Le principale source d’erreur pour CO provient des incertitudes sur les sources ;  La confiance est plus grande dans les régions où les sources sont bien connues (Europe) et plus incertaine dans les régions de feux de biomasse ;  α est l’estimation de l’erreur relative de la source ;  P est la source de CO.

18/06/2007NOV-3554-SL Valeur estimée de l’erreur relative des sources (Lamarque et Gille, 2003) AntropogenicBiomass burning SoilOcean North America 530 South America Africa Europe 530 Asia Rest of the world

18/06/2007NOV-3554-SL Classification des mailles du modèle LMDz-INCA

18/06/2007NOV-3554-SL Fraction des sources anthropique feux de biomasse

18/06/2007NOV-3554-SL Mise en place de la méthode Une maille peut contenir plusieurs types d’émissions  La somme est réalisée sur les 4 types de flux de CO ;  F(i) contient la fraction de chaque source pour chaque maille ;  P(z) est la source distribuée verticalement.

18/06/2007NOV-3554-SL Scripts opérationnels Objectifs  Lancer le LMDz-INCA en temps quasi-réel :  les simulations sont lancées pour une période de 24 heures ;  les champs météorologiques utilisés pour le guidage du LMDz sont les analyses NCEP à 0 :00, 6 :00, 12 :00, 18 :00, 24 :00. Une fois que ces champs et les produits L2 de IASI seront disponibles pour cette journée, l’assimilation sera lancée ;  les résultats pour le jour N seront disponibles le jour N+1 (matin).  Pas de simulations en temps-réel (l’assimilation de données IASI est menée dans l’heure après que ces données soient disponibles).

18/06/2007NOV-3554-SL Ajustement des paramètres Il y a 4 paramètres ajustables  La croissance d’erreur du modèle (ε) ;  Le rayon d’influence horizontale pour le calcul des éléments de la matrice de covariance d’erreur qui ne sont pas sur la diagonale (en km) (L xy ) ;  Le rayon d’influence verticale (L z ) ;  L’erreur de la représentativité (r) : obs.error=(O+(r*y i ) 2 )=O+R. Le test de χ 2 est utilisé (termes diagonaux seulement)

18/06/2007NOV-3554-SL Ajustement des paramètres Les règles de Khattatov et al  Tourner le modèle. Si χ2 augmente (diminue) avec le temps, alors augmente (diminue) ε ;  Répéter jusqu’à ce que χ2 ne change plus ;  Si χ2 > 1, augmenter r, si χ2 < 1, diminuer r ;  Pour les rayons d ’ influence, rechercher des rayons qui optimisent les valeurs de OmF (Obs-Forecast).

18/06/2007NOV-3554-SL Objectifs Deux objectifs principaux :  Assimilation des premières données provenant des inversions de colonnes de CO à partir de mesures IASI ;  Mise en place d’une chaîne d’assimilation et de la prévision chimique en temps quasi-réel pour la campagne de mesure POLARCAT. Tâches proposées :  interfaçage avec les données avec les colonnes intégrées de CO de IASI (données S.A.)  installation de la chaîne en temps quasi-réel  test de la méthode permettant de paramétrer les erreurs du modèle en fonction de l’incertitude des sources  ajustement des paramètres utilisés dans le calcul de la matrice de covariance d’erreur du modèle  tests avec la chaîne en mode de prévision pour la campagne POLARCAT  assistance aux scientifiques avec la chaîne pendant la campagne POLARCAT

18/06/2007NOV-3554-SL Perspectives à moyen et à long terme Interfaçage avec les produits opérationnels d’EUMETSAT ; distribution des données de niveau 4 vers la communauté scientifique française via ETHER ; extension aux autres espèces mesurées par IASI: O 3 et CH 4 et GOME ; PALM :  LMDz-INCA dans PALM ;  Données CO niveau 2 et leur caractéristiques ;  Opérateur d’observation.