Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières

Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières

Développement d’OPA-VAR OPA-VAR : Des systèmes d’assimilation 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

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 d’un solveur elliptique spécifique pour l’adjoint en global (C. Deltel, LODYC) * Maintenance prévue par ESOPA au LODYC.

Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo 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 = Jb + Jo + Jc) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo 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 = Jb + Jo + Jc) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

Impact du terme Jc : expériences à une seule obs Période de coupure du filtre = Tc Atténuation de l’onde de Kelvin : Incrément de temperature 10/01 20/01 30/01 01/01 Temps Tc = 4 jours Tc = 5 jours Tc = 6 jours Atténuation des ondes d’inertie-gravité : Incrément de vitesse verticale 10/01 20/01 30/01 01/01 Temps Tc = 4 jours Tc = 5 jours Tc = 6 jours

Le système OPA-VAR (bilan 2) 3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo 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 = Jb + Jo + Jc) (C. Jauffret, stage IENM) Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)

Le système OPA-VAR (bilan 3) La matrice de covariance d’erreur d’ébauche (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 l’ébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

Le système OPA-VAR (bilan 3) La matrice de covariance d’erreur d’ébauche (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 l’ébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

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

Le système OPA-VAR (bilan 3) La matrice de covariance d’erreur d’ébauche (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 l’ébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

Le système OPA-VAR (bilan 3) La matrice de covariance d’erreur d’ébauche (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 l’ébauche. Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation. (Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)

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

Le système OPA-VAR (bilan 4) Observations Opérateurs d’observation (interpolation horizontale et verticale) pour in situ T et S, SSH et SST (D. Bari, IENM). In situ T et S : base de données d’ECMWF et d’ENACT Altimétrie et MSSH : base de données de CLS (C. Deltel, LODYC) * Formulation simple (diagonale) de la matrice de covariance d’obs (R) Diagnostics internes de l’assimilation Expériences à une seule observation ou à un seul profil Statistiques sur l’ébauche–obs. (innovations), l’analyse–obs. (résidus), et les incréments d’analyses Analyse de budget (Ricci 2004, thèse) Scripts génériques pour enchaîner OPA-VAR sur plusieurs années * Développements en cours d’intégration dans les sources d’OPAVAR au CERFACS

Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières

Production et évaluation d’analyses 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 1993-98. (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 1993-99. (P. Rogel, DEMETER)

Production et évaluation d’analyses 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 1993-98. (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 1993-99. (P. Rogel, DEMETER)

Impact of in situ T data assimilation on the mean zonal velocity (tropical Pacific model) 1993-96 climatology

Production et évaluation d’analyses 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 1993-98. (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 1993-99. (P. Rogel, DEMETER)

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

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

D’autres collaborations autour d’OPA-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.) …

Développement d’OPA-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 d’ensemble pour estimer les statistiques d’erreur d’ébauche Contrôle de qualité des observations ‘backgound check’ Erreurs non-gaussiennes (‘variational quality control’) Assimilation de SST (erreurs non-corrélées dan le temps et dans l’espace) Assimilation de l’altimetrie + MSSH observée (importance du biais du modèle) Meilleurs algorithmes de minimisation (S. Gratton, ALGO) …

Développement d’OPA-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 : 1987-2001 et Stream 2 : 1962-2001 (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 …

Assimilation de données océaniques pour la prévision saisonnière Philippe Rogel, Anthony Weaver Nicolas Daget, Eric Machu, Eric Maisonnave, Sophie Ricci Plan: Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières