Atelier ADOMOCA-2 Les Lecques, 11-13 oct. 2010 Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS.

Slides:



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

Atelier ADOMOCA Déc 2005 : Synthèse P. Ricaud LA.
Atelier Assimilation Toulouse Décembre 2005 P. Ricaud Laboratoire dAérologie Toulouse.
Travail de thèse - CERFACS:
Assimilation de données océaniques pour la prévision saisonnière
Formulation d’un modèle de covariance d’erreur d’ébauche multivarié pour l’assimilation variationnelle océanique: introduction de contraintes physiques.
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.
Une méthode de spatialisation du vent moyen et des rafales par régression multiple puis krigeage des résidus Action DCLIM/DEC P.Lassègues, J.M.Veysseire,
Correction des flats-fields Nadège Meunier Atelier MTR, 17 janvier 2006, Tarbes.
HYCOM zone Manche Gascogne. Résultats en 2006
G.Herbert, N.Ayoub, P.Marsaleix, F.Lyard, C.Maraldi, J.Lamouroux
MODULE - METHODES POTENTIELLES Contenu du cours (par J.B. Edel & P. Sailhac) : I. Propriétés physiques des roches : densités, aimantations induites et.
TECHNIQUES D’ANTENNES POUR LES TELECOMMUNICATIONS
Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Partie 3 : un exemple de traitement dimages couleur : Correction chromatique.
T1.6 – (Mid-latitudes) Caractérisation (1) de laccumulation de glace dans les systèmes à lorigine dinondations (Hymex), (2) de la variabilité de la couverture.
Mélanie JUZA LEGI-MEOM, Grenoble
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Atelier ADOMOCA Nov 2007 Hervé Le Berre & Daniel Cariolle Une méthode plus robuste pour la résolution des systèmes chimiques Projet ANR SOLSTICE.
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.
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.
Le système d’assimilation hybride Meso-NH/AROME
Jérôme Bouffard (présenté par Laurent Roblou)
École Doctorale des Sciences de l'Environnement d Î le-de-France Année Modélisation Numérique de lÉcoulement Atmosphérique et Assimilation d'Observations.
1 Chariot-type, Panier-type et Marché local Relevé des prix Relevé des prix n° 17 Saint-Denis, le 22 octobre 2010.
1 Chariot-type, Panier-type et Marché local Relevé des prix Saint-Denis, le 25 juin 2010.
Modélisation géométrique de base
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.
Conditions aux Frontières Ouvertes
La décomposition en valeurs singulières: un outil fort utile
LA MAQUETTE ADOMOCA A. Piacentini, S. Massart et al. Atelier ADOMOCA – Paris novembre 2006.
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'outil MOCAGE-PALM au Laboratoire d'Aérologie
–1–1 Assimilation d’ozone ARPEGE Noureddine SEMANE Doctorant 2ème année, CNRM/GMGEC/CARMA Réunion ADOMOCA Novembre 2007.
Simulations 2D méridien-vertical sur l’Afrique de l’Ouest P
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.
Modélisation du climat à l’IPSL: existant, objectifs et enjeux à 4 ans
Thermiques résolus et paramétrés: un diagnostic pour évaluer et améliorer les schémas en flux de masse F. Couvreux, C. Rio, F. Hourdin ARM cumulus r v.
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.
Assimilation à mésoéchelle des observations radar et GPS
Operateur Lidar Vapeur d’eau aéroporté
Approximation d’un contrôle optimal par un circuit électronique
Assimilation Simultanée des mesures du monoxide de carbone (CO) troposphériques et stratosphériques L. El Amraoui, J.-L. Attié, A. Piacentini, N. Semane,
ADOMOCA, décembre 2005, Toulouse Alain Hauchecorne Service d’Aéronomie / IPSL ADOMOCA dans le paysage de l’IPSL.
HISTORIQUE ADOMOCA P. Ricaud Laboratoire d’Aérologie Toulouse.
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.
TNS et Analyse Spectrale
Couche limite atmosphérique
CARACTERISATION DE L’ENERGIE THERMIQUE DES MERS PAR LES COURANTS LA MARTINIQUE, LA REUNION et TAHITI Aude CHAYRIGUET 5 juillet 2010.
GIP MERCATOR OCEAN Le modèle pour le prototype Atlantique Méditerranée (PAM) Modèle: OPA-8.1 Domaine: Atlantique.
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.
Dorina Surcel et René Laprise
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,
Méthode des moindres carrés (1)
Approximation des équations de la magnéto-hydrodynamique
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,
Simulations numériques mesoéchelles en Antarctique Meso-NH - Premières approches Lascaux Franck, Masciadri Elena, Hagelin Susanna, Stoesz Jeff.
1 ADOMOCA : Synthèse nov P. Ricaud Laboratoire d’Aérologie, Toulouse, France.
Régression linéaire (STT-2400)
Sciences Mécaniques Appliquées
Couche limite atmosphérique Micrométéorologie. Équations de Reynolds 7 équations et 16 inconnues...
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:

Atelier ADOMOCA-2 Les Lecques, oct Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS

ADOMOCA-2 oct Pajot Benjamin Introduction IASI : un instrument haute résolution Assimilation spectrale Cadre d´expériences Résultats Bilan & Perspectives I II III IV V

ADOMOCA-2 oct Pajot Benjamin IASI : un instrument haute résolution Observations : IASI à gauche et OMI au centre : 1 er sept :00-15:00 ; MLS à droite  Nombre d’observations le 1 er septembre :  colonnes totales issues des mesures de IASI  col. tot. issues des mesures d´OMI  1882 profils (à 16 niveaux) issus des mesures de MLS - Résolution GLOB22 (2°x2°) : points de grille Comment prendre en compte le maximum d´information des observations issues de IASI en minimisant l´augmentation du coût numérique? Eviter la perte d´informations lors de la création des super-observations But du travail : Problème :

ADOMOCA-2 oct Pajot Benjamin Assimilation spectrale  Fonction coût du 4D-Var en fonction de l’incrément avec opérateur d’observation et modèle linéarisés :  On pose :  Décomposition de la matrice de covariance d´erreur d´ébauche :   Réécriture de la fonction coût dans l´espace spectral :  La technique : : vecteur de contrôle dans l´espace spectral

ADOMOCA-2 oct Pajot Benjamin Assimilation spectrale Gains :  Gain en mémoire et en temps de calcul  Le champ physique est contenu dans une série de coefficients tronqués selon l´erreur de représentation prête à être admise  La matrice de covariance d´erreur d´ébauche est modélisée par un opérateur de diffusion qui est une matrice diagonale dans l´espace spectral  Meilleure représentation des structures fines et filamenteuses Limitations :  Longueur de portée horizontale constante par niveau Exemple de colonne totale d’ozone avec une troncature T42 à gauche et T170 à droite

ADOMOCA-2 oct Pajot Benjamin Cadre d´expériences Observations : Configuration de Mocage :  Domaine horizontal global : T42 (2.8°x2.8°) et T170 (0.7°x0.7°)  Domaine vertical avec 60 niveaux (surface -> 0.1 hPa)  Thermodynamique issue des analyses du CEP  Schéma chimique linéaire d’ozone, Cariolle et al., ACP, 2007 Configuration de l´assimilation :  1½ mois d´assimilation  Condition initiale, le 15 août, provenant d´une assimilation précédente de données MLS  Système Valentina, méthode 4D-Var, utilisation des diagnostiques de Desroziers  Longueurs de portée homogènes de 1° pour la corrélation d´ébauche horizontale, variances et lgr. de portée vert. diagnostiquées  Super-observations T42 (2.8°) / T170 (0.7°) des colonnes totales d’ozone IASI fournies par le LATMOS/CNRS & ULB (rés. hor. originale de 25 km)  Estimation des variances réalisée par rapport aux analyses d´une assimilation 4D-Var des données MLS selon la méthode de Massart et al., ACP (2009)  Les AK ne sont pas utilisées et les colonnes totales sont débiaisées

ADOMOCA-2 oct Pajot Benjamin Résultats Evolution des colonnes totales zonales Champs zonaux moyennés sur septembre Comparaison aux colonnes totales d´OMI Comparaison aux ballons sondes Comparaison aux profils MLS Les résultats présentés sont ceux de 3 assimilations : - I Modèle MOCAGE sur grille T42 et données IASI T42 - II Modèle MOCAGE sur grille T170 et données IASI T42 - III Modèle MOCAGE sur grille T170 et données IASI T170 Les colonnes totales de IASI sont assimilées avec des variances et des longueurs de portée verticale diagnostiquées, et une longueur de portée horizontale de 1°. Il n’y a pas d’observations disponibles les jours 15, 16, 17, 23, 24 et 30 du mois d’août et les jours 16, 17, 18, 19 et 20 du mois de septembre. Les résultats sont présentés pour le mois de septembre.

ADOMOCA-2 oct Pajot Benjamin 1. Evolution des colonnes totales zonales Modèle T170 Obs. T42 Analyse du CEP Evolution des colonnes totales zonales, en dobson, des analyses du CEP, du run direct et des analyses issues des 3 assimilations réalisées. Jours en abscisse et degrés de latitude en ordonnée. Run direct Modèle T170 Obs. T170Modèle T42 Obs. T42

ADOMOCA-2 oct Pajot Benjamin 2. Champs zonaux moyennés en temps Analyses du CEPRun direct Exp. Mod T170 Obs T42Exp. Mod T170 Obs T170 Champs zonaux en ppm, moyennés pour sept. 2008, des analyses du CEP, du run direct et des analyses issues des 3 assimilations réalisées, en fonction de la latitude et de la hauteur Exp. Mod T142 Obs T42

ADOMOCA-2 oct Pajot Benjamin 3. Comparaison aux colonnes totales d´OMI La figure de gauche représente les biais des 3 expériences et du run direct par rapport aux colonnes totales d’OMI moyennées sur grille 0.7°x0.7°, et celle de droite les écarts-types, en % (normalisés par les données d´OMI). Mod T42 Obs T42 Run directMod T170 Obs T42 Mod T170 Obs T170

ADOMOCA-2 oct Pajot Benjamin 4. Comparaison aux ballons sondes La figure du haut représente les biais rapport à des sondes d’ozone, sur l’ensemble du globe et dans 4 bandes de latitude. La figure du bas représente les écarts-types. Le code de couleur est identique. La zone grisée représente la comparaison avec le run direct. Les observations sont des profiles d’ozone issues du WOUDC (World Ozone and Ultraviolet Data Center) et reinterpolées par B. Barret (LA). Mod T170 Obs T42 Mod T170 Obs T170 Mod T42 Obs T42

ADOMOCA-2 oct Pajot Benjamin 5. Comparaison aux profils MLS Calculs en cours! Mais ce slide ressemblera au précédent.

ADOMOCA-2 oct Pajot Benjamin Bilan & Perspectives Bons résultats : Apport de la haute résolution:  Evolution des colonnes totales proche de celle des analyses du CEP  Correction des biais du modèle direct dans la configuration choisie  Bonne représentation du champ zonal au sud et amélioration au nord (% CEP)  Biais < 5% par rapport à OMI et écart-types entre 2 et 6% (sauf pour le pic au pôle et une augmentation importante au pôle sud pour l’assimilation avec modèle basse rés.)  Légère diminution des écart-types par rapport aux sondes mais diminution du biais mitigée (dépend de l’altitude)  Passage du modèle T42 au T170 : meilleure représentation des structures, cohérence plus grande avec les analyses du CEP ainsi que diminution des biais et des écart-types de manière générale  Passage des super-obs. T42 aux T170 : sur-représentation des obs. pour le modèle? Suite :  Utilisation de l’assimilation spectrale pour développer une approche multi-incrémentale  Couplage colonnes totales & profils dans l’assimilation  Utilisation des Averaging Kernels

ADOMOCA-2 oct Pajot Benjamin Formation du trou de la couche d’ozone