Assimilation multi-échelle dans un modèle météorologique régional

Multi-scale data assimilation in meteorological regional model

• Auteur / Autrice : Vincent Guidard
• Direction : Francois Bouttier
• Type : Thèse de doctorat
• Discipline(s) : Physique de l'atmosphère
• Date : Soutenance en 2007
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Référentiels (bases de données)

Estimation de paramètres

Temps (météorologie) -- Prévision

Mots clés libres

Aire limitée

Assimilation variationnelle tridimensionnelle

Jk

Aladin

Grandes échelles du modèle coupleur

Couplage variationnel

Résumé

Les modèles météorologiques à aire limitée (LAM) possèdent des systèmes d'analyse de données propres, combinant en général une ébauche du LAM et des observations. Par ailleurs, le modèle coupleur, qui est souvent un modèle global, fournit une bonne description des grandes échelles notamment. L'objectif est d'injecter cette information du modèle coupleur directement dans l'analyse 3D-VAR du LAM, comme une source d'information supplémentaire à utiliser. Le formalisme de l'assimilation variationnelle est adapté pour accueillir cette nouvelle source d'information. Il utilise une mesure de l'incertitude sur les sources d'information, via les covariances entre les erreurs des sources d'information. Des simplifications sont apportées à la formulation des covariances croisées pour pouvoir appliquer cette nouvelle méthode dans un logiciel d'analyse pré-existant. Après une évaluation dans un modèle académique unidimensionnel " en eaux peu profondes ", donnant des résultats neutres à positifs, la méthode est appliquée aux modèles utilisés à Météo-France (ARPEGE et ALADIN). D'abord les échelles venant de l'analyse du modèle global sont choisies, pour ne garder que les plus grandes structures. Puis les statistiques sont calculées, en utilisant des méthodes ensemblistes pour échantillonner les erreurs. Enfin, l'évaluation sur quinze jours de cycles d'assimilation montre que la méthode a un impact légèrement positif en terme de score objectif. Néanmoins, malgré un impact visible et systématique, aucun cas d'étude sur des champs diagnostiques, comme les précipitations, ne permet d'illustrer cet apport en terme de temps sensible ou de phénomènes météorologiques spécifiques.

Limited area meteorological models (LAM) have their own data analysis schemes, which generally combine a first-guess from the LAM and observations. Coupling models, which are often global models, provide a good description of the larger scales, among others. Our goal is to introduce this piece of information directly in the LAM 3D-VAR analyse, as a new source of information. The formalism of the variational assimilation is modified in order to introduce this extra source of information. It needs a measurement on the uncertainty of the sources of information, through the covariances between the various sources of information. The formulation of the cross-covariances is simplified, so that this new method can be implemented in an already existing analysis software. An evaluation has been performed in an academic 1D " shallow water " model, which led to a neutral to a positive impact. The method is then implemented in Météo-France models (ARPEGE and ALADIN). First, the scales extracted from the global model analysis are selected, so as to retain only the larger scales. Then, the statistics are computed, using ensemble methods to sample the errors. The evaluation of the method in ALADIN over 15-day assimilation cycles shows a slightly positive impact on objective scores. Nevertheless, despite a systematic and visible impact, no case study is found to illustrate an impact on precipitation, for instance, or on specific meteorological phenomena.