Operateur Lidar Vapeur d’eau aéroporté

Présentation au sujet: "Operateur Lidar Vapeur d’eau aéroporté"— Transcription de la présentation:

1 Operateur Lidar Vapeur d’eau aéroporté
Soline Bielli Réunion IODA-Med 31 janvier 2013

2 EXEMPLE HYMEX 1 profile / 10 s
time (par pas de 10s)

3 Préparation des données Ce qui a été fait pour COPS …
1) Blacklisting: 2 étapes Automatique Valeurs négatives Erreurs absolues > 1.5 g/kg Erreurs relatives trop petites <2% Erreurs relatives trop grandes > 50% Manuelle Les données visuellement « bizarre »

4 Préparation des données Suite …
2) Thinning (1 profile toutes les 10s -> 1 profile « cohérent avec le modèle) 2 méthodes testées pendant COPS 1) 25 km /horizontal et 2min /temps + /vertical (niveaux de AROME) -> super-obs (valeur moyenne) 2) /temps analyse + 25 km /horizontal + /vertical

5 Résultat du thinning : exemple
1) 25 km /horizontal et 2min /temps + /vertical -> pseudo-obs (valeur moyenne) 2) /temps analyse + 25 km /horizontal + /vertical -> pseudo-obs Exemple de mesures pour le 26/07/2007 Rouge: Données brutes Vert: Données méthode 1 Bleu: Données méthode 2

6 Résultats du thinning: exemple de distribution de l’erreur
Incertitude de la mesure Variabilité (STD) Erreur totale Variation verticale de l’erreur -> liée à la structure verticale de l ’humidité

7 Préparation des données Fin …
3) Screening A partir des données issues du thinning et traitées comme des dropsondes Simulations AROME -> jusqu’à l’étape de screening Récupère les informations sur l’écart à l’ébauche 4) Débiaisage des obs Calcul du biais moyen ->ASSIMILE les données débiaisées comme des dropsondes

8 Résultats du calcul du biais LEANDRE - AROME
Chaque point représente une super-obs Nbre obs pour chaque niveau BIAIS

9 En pratique … 1) Blacklisting -> outils en ruby incluant une interface graphique pour un contrôle qualité manuel des données 2) Thinning -> prog. Fortran qui génère des fichiers au format obsoul 3) Screening -> dans AROME 4) Débiaisage des obs -> exe. mandalay plus prog fortran (même que pour le thinning)

10 Quelques questions? Le blacklisting automatique est-il suffisant? Quel impact sur le calcul du biais? Le passage par les pseudo-profiles est-il nécessaire ? Un échantillonnage est-il suffisant? Faut-il continuer a assimiler les données comme des dropsondes?

11 EXEMPLE HYMEX 1 profile / 10 s
time (par pas de 10s)