1 ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique P. Ricaud Laboratoire d’Aérologie Toulouse D. Cariolle CERFACS Toulouse.

Présentation au sujet: "1 ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique P. Ricaud Laboratoire d’Aérologie Toulouse D. Cariolle CERFACS Toulouse."— Transcription de la présentation:

1 1 ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique P. Ricaud Laboratoire d’Aérologie Toulouse D. Cariolle CERFACS Toulouse

2 2 Plan Historique Outil Science Futur

3 3 Historique Atelier Novembre 2003 –Communauté « chimie atmosphérique » Etat des lieux des travaux engagés en assimilation –Outils d’assimilation Séquentiel, 3D-VAR, 4D-VAR –Modèles chimiques ROSE, MIMOSA, MOCAGE, LMDz, MIPLASMO, REPROBUS, MOZART, MESO-NH, RAMS, CHIMERE –Jeux de données Satellites : UARS, ENVISAT, Odin, MOPITT, GOME, IASI Ballons, avions Comment appréhender les incontournables à venir ? –Jeux de données ENVISAT, AURA, IASI, futur sondeur troposphère, futur sondeur UTLS –Europe : GMES, SAF O3, les programmes ASSET, SCOUT-O3, ACCENT, AMMA, … –Pôle de Compétence Thématique Ether –Relations recherche  produits systématiques  produits opérationnels

4 4 Centres d’Expertises : Opérateurs d’obs modèles directs et méthodologie Satellites : GOMOS, Odin, MOPITT, … Modèles : REPROBUS, MIMOSA, … PALM Chaînes D’assimilation 2 Chaînes Palmées: MOCAGE & MSDOL/REPROBUS MOCAGE & LMDz-REPROBUS Recherche : Autres chaînes dans chaque labo Opérationnel GMES Non Opérationnel ASSET, SAF O3 Liens Externes Organisation -1- Méthodologie: Filtre de Kalman, 3DFGAT, 4DVAR Ether

5 5 Organisation -2- 7 Laboratoires –LA, CNRM, CERFACS, SA, LISA, LSCE et l’entreprise Noveltis –2 composantes : Toulouse & Paris ~50 chercheurs, post-docs et étudiants –10 personnes à temps plein Réunions –1 par an à Toulouse ou Paris –4-5 formations PALM au CERFACS

6 6 LEFE-ASSIM & LEFE-CHAT 1 proposition LEFE sur 3 ans (2006-2009) –LEFE-CHAT (Scientifique) Qualité de l’air (tropo) Transport de polluants (tropo) Processus physico-chimiques à l’interface de la troposphère et de la stratosphère (UTLS) Bilan de l’ozone (stratosphère) –LEFE-ASSIMILATION (Outil) Maquette PALM (V1  V4) Palmérisation de MOCAGE et de LMDz-REPROBUS 3DFGAT, 4D-VAR, Kalman Demandes parallèles (ressources humaines & données) –TOSCA (IASI) : CDD & mesures spatiales –Ether : CDD & mesures spatiales en entrée et champs assimilés en sortie

7 7 Financement LEFEs 2006 : 17,8 k€ 2007 : 35,8 k€ 2008 : 30 k€ 2009 : 12 k€ Solde : 8,9 k€ Total : 104,5 k€

8 8 Liens avec le Pôle de Compétence Thématique de Chimie Atmosphérique Ether Les champs de mesures spatiales en entrée de nos études d’assimilation Des champs de mesures annexes (satellite, avion et sol) durant la phase de validation des champs assimilés PALMés, Les outils nécessaires (fichiers de forcage, sources, scripts…) à la mise en œuvre de la chaîne PALMée MOCAGE sur plate-forme locale, Fourniture des champs de constituants assimilés PALMés. Différentes versions de la maquette MOCAGE-PALM

9 9 Outils d’assimilation Composante toulousaine (CNRM, CERFACS, LA) –V1 disponible sur Ether MOCAGE 2°x2°, 3D-FGAT, juillet 2003, O3 MIPAS, 47 ou 60 niveaux CARIOLLE, REPROBUS ou RACMOBUS –V2 disponible sur Ether (2004) Parallélisation de MOCAGE, PV en sortie, NetCDF, visualisation avec Ferret –V3 (2007) Diffusion, opérateur d’Obs NOVELTIS, colonnes totales et/ou tropo, linéarisation CO et HNO3, RELACS, multi-capteurs –V4 (2008) disponible sur ETHER + document explicatif Corrélations horizontale et verticale, colonnes totale et/ou partielle, optimisation de la mémoire (obs, covariances d’erreur, averaging kernels), modèle linéaire (O3, CO, traceur froid, HNO3) Composante parisienne (SA) –PALMérisation de LMDz-REPROBUS –Assimilation 3DFGAT de mesures MIPAS O3 avec LMDz-PALM –Même étude avec MOCAGE-PALM au SA et intercomparaison

10 10 Canevas PrePALM pour LMDz- REPROBUS Cugnet et al.

11 11 The linearized ozone scheme (Cariolle et al.)  ECMWF  r O 3 /  t = A 1 + A 2 (r O 3 - A 3 ) + A 4 (T – A 5 ) + A 6 (  - A 7 ) + A 8 r O 3 A 1 = (P-L) : Production-Loss rate A 2 =  (P-L) /  r O 3 A 3 ; r O 3 : ozone mixing ratio A 4 =  (P-L) /  T A 5 ; T : temperature A 6 =  (P-L) /   A 7 ;  : ozone column A 8 = - K het  x /  t = 1/  1 (1-x) – 1/  2 x [Traceur Froid] With  1 equal to a few hours and 1/  2 =0 if T<195 K And  2 equal to several days (rate of HNO3 destruction) and 1/  1 =0 if T> 195K The linearized CO and HNO3 schemes  r x /  t = A 1 + A 2 (r x - A 3 ) + A 4 (T – A 5 ) A 1 = (P-L) : Production-Loss rate A 2 =  (P-L) /  r x A 3 ; r x : CO or HNO3 mixing ratio A 4 =  (P-L) /  T A 5 ; T : temperature

12 12 v2 without cold tracer v2 with cold tracer Cariolle et al.

13 13 Paramètres clés Résolution (observation et modèle) –Horizontale –Verticale Diffusion (modèle) –Horizontale –Verticale Erreurs (observation et modèle) Echantillonage (observation et modèle) –Temporel Variation diurne –Spatial Super-observations Débiaisage (observation) –Multi-capteurs –Limbe & nadir

14 14 Barret et al. Résolution Verticale Mesures MOPITT MOCAGE avec Résolution MOPITT MOCAGE Vertical sensitivity limbe nadir

15 15 Résolution Horizontale IASI CO, octobre 2008, 1 jourMOPITT CO, octobre 2008, 1 jour Clerbaux et al.

16 16 Super-observations Une super-observation représente toutes les observations présentes dans une maille du modèle pendant la durée d’une fenêtre d’assimilation (30 minutes) Comment calculer la valeur de super-observation, son erreur et sa fonction de poids ? –Super-observation : moyenne pondérée par l’erreur –L’erreur de super-observation : l’erreur moyenne pondérée –Fonction de lissage : la fonction associée à la première observation dans la maille Clerbaux et al.

17 17 Biais sur la Colonne Totale O 3 Massart et al. sans assimilation assimilation de MLS & SCIAMACHY MOCAGE vs. OMIMOCAGE-PALM vs. OMI Profils verticaux O 3 AURA/MLS Colonne Totale O 3 SCIAMACHY

18 18 Colonne Totale vs. Profil vertical H   écart assim.   écart assim. H Piacentini et al.

19 19 Représentations: O 3 Piacentini et al.

20 20 Représentations: CO Piacentini et al.

21 21 Programme scientifique initial Assimiler une même espèce chimique provenant de plusieurs capteurs spatiaux différents dans la troposphère ou la stratosphère (O3 et CO) oui Coupler les mesures stratosphérique et troposphérique pour une même espèce chimique provenant de plusieurs capteurs spatiaux différents (O3, CO et HNO3) oui Assimiler plusieurs espèces chimiques de la même famille provenant de plusieurs capteurs spatiaux différents (NOy, Cly) non Assimiler les mesures directes (températures de brillance, radiances) non Fournir des champs prévisionnels de constituants chimiques (O3, CO) oui Etudier l’impact de l’assimilation de traceurs chimiques (O3) sur l’assimilation et la prévision météorologique (vents dans la basse stratosphère, rayonnement,…) oui

22 22 Trou d’ozone arctique El Amraoui et al.

23 23 Assimilation H 2 O stratosphérique ECMWF BASCOE MIMOSA Climatologie Bekki et al.

24 24  Etude de l’impact dynamique de l’assimilation 4D-Var d’ozone (traceur passif advecté) dans ARPEGE, Peuch et al. 2000 : -OSSE : intérêt potentiel des colonnes totales d’ozone TOVS -Impact positif sur les analyses et prévisions météorologiques : nécessité des observations d’ozone plus fréquentes et des ébauches d’ozone de bonne qualité. >> Continuité :  Assimilation des profils d’ozone d’AURA/MLS dans ARPEGE  Ebauche d’ozone fournie par MOCAGE >> Objectif  Evaluer l’impact sur l’analyse et la prévision météorologique. Impact dynamique d’ozone en mode 4D-Var Semane et al.

25 25 Diagnostic OMF(u,v): CTL/MLS Semane et al. AnalysesAssimilation O3 d’AURA/MLS en 4DVAR

26 26 Assimilated MLS CO at 200 hPa (07/2006) Transport pathways of chemicals from Asia to Africa Carbon monoxide from Barret et al., ACP, 2008. Simulation / assimilation / in-situ CO Averaged over 15-25°N MOZAIC MOCAGE MOCAGE-MLS Day of July 2006 anomalous CO transport from Asia to Africa by the TEJ Barret et al.

27 27 Colonne Totale de CO IASI assimilé dans LMDz -Filtre de Kalman- Observations Simulation 1Simulation 2 croissance d’erreur = 0.01*CO croissance d’erreur = 0.005*CO Clerbaux et al.

28 28 Synthèse Interactions fortes –Toulouse vs. Paris –Outils vs. Science 2 Chaînes d’assimilation –MOCAGE-PALM –LMDz-REPROBUS-PALM Mesures spatiales hétérogènes –Nadir : MOPITT, IASI, OMI, etc. –Limbe : MLS, MIPAS, ODIN, GOMOS, etc. Espèces chimiques –O 3, CO, N 2 O, H 2 O Profils verticaux, colonnes totale et partielle 28 publications de rang A

29 29 Futur -1- Outils –Mise en place de l’assimilation en aire limitée & très haute résolution –Parallélisation des codes –Assimilation d’espèces chimiques HNO 3 & H 2 O multi-capteurs O 3 et CO plusieurs espèces chimiques de la même famille provenant de plusieurs capteurs spatiaux différents (NOy, Cly) simultanément CO  O 3 –Assimilation d’espèces radiatives (O 3, H 2 O, CH 4, …) dans les modèles de climat et de chimie-climat –Assimilation de mesures directes (températures de brillance, radiances) –Assimilation 4D-VAR –Prévision d’ensemble

30 30 Futur –2- Programme scientifique –IASI –Qualité de l’air (tropo) Etudes théoriques sur plateformes geo/leo –Transport de polluants (troposphère) –Processus physico-chimiques à l’interface de la troposphère et de la stratosphère (UTLS) –Bilan de l’ozone (stratosphère) Nouvelle proposition aux LEFEs en 2009 –Atelier « Bilan & Prospectives » au printemps 2009