ADOMOCA 13 novembre 2008 S. Massart Assimilation des données d’ozone de SA-IASI Sébastien Massart CERFACS : A. Piacentini, D. Cariolle SA : C. Clerbaux,

Présentation au sujet: "ADOMOCA 13 novembre 2008 S. Massart Assimilation des données d’ozone de SA-IASI Sébastien Massart CERFACS : A. Piacentini, D. Cariolle SA : C. Clerbaux,"— Transcription de la présentation:

1 ADOMOCA 13 novembre 2008 S. Massart Assimilation des données d’ozone de SA-IASI Sébastien Massart CERFACS : A. Piacentini, D. Cariolle SA : C. Clerbaux, S. Turquety, J. Hadji-Lazaro Réunion ADOMOCA Toulouse, novembre 2008

2 ADOMOCA 13 novembre 2008 S. Massart Assimilation des données SA-IASI  Données :  colonnes totales d’ozone d’ozone  Défis :  répartir l’information sur la verticale  déterminer les erreurs systématiques des données  déterminer les erreurs aléatoires des données  Solutions :  ajuster les covariances d’erreur d’ébauche  combiner profils & colonnes totales  comparer à des « données » indépendantes

3 ADOMOCA 13 novembre 2008 S. Massart Ajuster les covariances d’erreur d’ébauche  modélisation :  B =  C   corrélation verticale :  C v  exp(-b [z – z 0 ] 2 )  b = 0  b constant  b fonction de la pression variancecorrélation 

4 ADOMOCA 13 novembre 2008 S. Massart Ajuster les covariances d’erreur d’ébauche  modélisation  B =  C   corrélation verticale  C v  exp(-b [z – z 0 ] 2 )  b = 0  b constant  b fonction de la pression variancecorrélation 

5 ADOMOCA 13 novembre 2008 S. Massart Ajuster les covariances d’erreur d’ébauche  modélisation  B =  C   corrélation verticale  C v  exp(-b [z – z 0 ] 2 )  b = 0  b constant  b fonction de la pression variancecorrélation  Réponse du système pour une seule donnée de type colonne totale

6 ADOMOCA 13 novembre 2008 S. Massart Ajuster les covariances d’erreur d’ébauche  modélisation  B =  C   corrélation verticale  C v  exp(-b [z – z 0 ] 2 )  b = 0  b constant  b fonction de la pression  écart-type d’erreur d’ébauche  pourcentage du champ  fonction de la pression variancecorrélation  Exemple d’écart-type (en %) pour l’ozone

7 ADOMOCA 13 novembre 2008 S. Massart Ajuster les covariances d’erreur d’ébauche  modélisation  B =  C   corrélation verticale  C v  exp(-b [z – z 0 ] 2 )  b = 0  b constant  b fonction de la pression  écart-type d’erreur d’ébauche  pourcentage du champ  fonction de la pression variancecorrélation  Réponse du système pour une seule donnée de type colonne totale

8 ADOMOCA 13 novembre 2008 S. Massart Combiner profils & colonnes totales  Profils MLS :  16 niveaux de pression entre 215 hPa et 0.5 hPa  précision inférieure à 10% au dessus de 100 hPa  environ 2 000 profiles par jour (sur une grille 2º)  Colonnes totales IASI :  réseau de neurones du SA  précision à déterminer  environ 20 000 colonnes par jour (sur une grille 2º)  Colonnes totales SCIAMACHY :  algorithme TOSOMI du KNMI  précision de l’ordre du %  environ 25 000 colonnes par jour (sur une grille 2º)

9 ADOMOCA 13 novembre 2008 S. Massart Comparer à des « données » indépendantes  les types de données  instrument : profils  instrument : colonnes partielles ou totales  modèle  comparaison à un modèle  hypothèse : le modèle représente bien le réalité  avantage : champ 4D  méthodologie  construction du champ modèle avec MLS + SCIAMACHY sur une période de 5 mois (août-décembre 2007)  validation avec des sondages et avec OMI  comparaison des données IASI avec le champ modèle

10 ADOMOCA 13 novembre 2008 S. Massart MLS + SCIAMACHY Méthodologie  Validation :  interpolation temps de l’observation  interpolation lieu de l’observation  calcul de l’écart observation-analyse  moyenne et écart- type normalisés Analyse t=0ht=3ht=1ht=2ht=0 à 3h Assimilation Validation bonne approximation Réalité ? OMISondages oui non

11 ADOMOCA 13 novembre 2008 S. Massart Validation avec des sondages  biais  écart type sans assimilation assimilation de MLS & SCIAMACHY

12 ADOMOCA 13 novembre 2008 S. Massart Validation avec OMI  biais  écart-type sans assimilation assimilation de MLS & SCIAMACHY

13 ADOMOCA 13 novembre 2008 S. Massart MLS + SCIAMACHY Méthodologie Analyse t=0ht=3ht=1ht=2ht=0 à 3h Assimilation Validation bonne approximation Réalité ? OMISondages oui non

14 ADOMOCA 13 novembre 2008 S. Massart IASI Méthodologie Analyse t=0ht=3ht=1ht=2h obs. par obs. comparaison statistiques Nombre de données IASI par maille de 2ºx2º utilisées pour réaliser les statistiques

15 ADOMOCA 13 novembre 2008 S. Massart Données SA-IASI vs modèle  biais :  principalement entre 2% et 8%  maximum dans la région équatorial  écart-type :  environ 6%  maximum dans les régions arides  maximum au dessus de la banquise

16 ADOMOCA 13 novembre 2008 S. Massart Conclusions et perspectives  Conclusions :  construction d’un modèle pour représenter la réalité  validation du modèle  évaluation des données d’ozone SA-IASI  biais faible  écart-type de l’ordre de 6%  Perspectives :  assimilation des données SA-IASI  prise en compte des averaging kernel  impact sur la troposphère  résolution plus fine du modèle