250 likes | 349 Views
Modélisation couplée physico-biogéochimique du site BOUSSOLE: études de sensibilité et perspectives de paramétrisation stochastique des forçages à haute fréquence dérivée des observations - Point d’avancement du WP6 Contribution du LGGE au projet BIOCAREX
E N D
Modélisation couplée physico-biogéochimique du site BOUSSOLE: études de sensibilité et perspectives de paramétrisation stochastique des forçages à haute fréquence dérivée des observations - Point d’avancement du WP6 Contribution du LGGEau projet BIOCAREX Participants LGGE (Grenoble) • Pierre Brasseur : resp. scientifique (WP6) • Jean-Michel Brankart : support outils (ModECOGEL/SESAM) • (Maéva Doron : mise en place du modèle, janvier – juillet 2012) • Jean-Yves Tissot: expériences de sensibilité (février – mars 2013) • Post-doc X recherché: modélisation / assimilation + collaborations informelles, conseils etc. • Marilaure Grégoire (Univ. Liège) Réunion annuelle BIOCAREX, Villefranche, 22 février 2013
WP6: Assimilation of high-frequency data into a coupled physical-biological 1D model The Biological Pump • Objectif: mettre en œuvre une assimilation d’observations par méthode d’ensemble dans un modèle vertical 1D couplé physico-bio dans l’optique d’intégrer une représentation du cycle diurne et de ses effets sur la production primaire. • Outils • Modèle: ModECOGEL, mis en œuvre dans plusieurs études antérieures du site DYFAMED (Lacroix & Grégoire 2002; Magri 2005; Raick et al., 2007; Tissot 2012) • Assimilation: SESAM, adapté aux méthodes d’ensemble pour l’estimation conjointe état/paramètres avec des modèles mixtes déterministes/stochastiques (Brankart et al., 2013) • Activités menées depuis la dernière réunion • identification d’un jeu de forçage horaire sur 2006-2007 • validation de la réponse du modèle ModECOGEL et études de sensibilité à quelques paramètres • exploration de pistes pour la paramétrisation de la variabilité HF des forçages du modèle (notamment suite à Doron et al. 2013)
Modélisation couplée physico-biogéochimique:principes généraux • Hydrodynamique • Biologie
Variational Methods ModECOGeL - 12 compartiments (Lacroix, Grégoire 2002)
Modélisation couplée physico-biogéochimique:principes généraux • « Couplage » ~ forçage hydro • Effets sous-mailles souvent dominants: diffusion turbulente, fines échelles de la dynamique • Nombreuses hypothèses fortes et sources d’erreur associées (e.g. homogénéité horiz) • Hydrodynamique • Biologie Effets HF potentiellement inhibés dans ce cadre !
Variational Methods ModECOGeL - 12 compartiments (Lacroix, Grégoire 2002) MEDECOGeL (Lacroix & Grégoire 2002) Modèle Données FRONTAL • Modèle bien calibré pour le site DYFAMED • Mais calibré pour la représentation des signaux bio basse fréquence (de la semaine à l’année) • Forçages météo à 3h
Variational Methods Forçages atmosphériques et solaire • Période retenue : 2006-2007, données disponibles (campagnes et bouées Météo et Boussole), convection hivernale forte en 2005 • Besoin de 8 paramètres pour fabriquer les forçages: • Pression atmosphérique • Direction du vent • Intensité du vent • Humidité relative • Température de l’air • Flux solaire : SATMOS-MF (J.-P. Olry, Météosat), horaire • Précipitations : via MOOSE (C. Guieu, L. Coppola), journalier • Nébulosité : ??? Solution (provisoire) climatologie 1984-1988 Bouée Météo-France, fréquence horaire
Forçages atmosphériques: vent , humidité Humidité relative (%), bouée M-F Intensité du vent (m/s), bouée M-F
Forçage atmosphérique: Tair, précipitations Température de l’air (°C), bouée M-F Précipitations (mm/j), MOOSE
Forçage solaire Flux solaire (W/m2), Météosat
Forçage atmosphérique: couverture nuageuse en octet !
Expériences de sensibilité: paramètres de forçage Faible sensibilité de la nébulosité sur la réponse moyenne en phyto
vent 85 nuages 85 insol 85 tair 85 patm 85 precip 85 nuages 86 nuages 87 nuages 88
Variational Methods Simulation de référence 2006 • Forçages : jeu composite M-F, Météosat, MOOSE, climato • Conditions initiates: T/S et NO3 selon profil in situ (15/12/05) • Paramètres du ModECOGEL : Lacroix & Grégoire 2002; Tissot 2012 • DZ = 1m , H = 400 mètres (flux nuls au fond) • DT = 6 min (physique + bio) • Sorties journalières (moyennes) tous les 5 mètres • Pas de contrôle de la dérive temporelle, ni relaxation • Ré-initialisation fin 2006 pour nouvelle intégration (cf Lacroix et al.)
Variational Methods Simulation de référence 2006 - Stratification ~ OK - Petite dérive en sel (~ 0.1PSU/an) - à valider sur 2007 avec les données DYFAMED - Timing du bloom ~ OK - max du bloom surestimé - extinction totale en été
Simulation de référence 2006: à « valider » avec nitrates in situ
Variational Methods Peut-on (in)valider le modèle sur base des informations disponibles ? Comment ? • Considérations générales • La comparaison modèle-données avec une seule réalisation a peu de sens, ni l’ajustement des paramètres sur une telle base • Incertitude des paramètres: il faut comparer les obs avec leur incertitudes, et le modèle avec sa propre dispersion • Méthode appliquée (on s’appuie sur Tissot 2012) • On fait l’hypothèse que la physique est OK (à ce stade) • On perturbe 6 paramètres bio: taux de croissance max et taux d’insolation opt pour les 3 classes de phyto: [vnom/3, vnom*3] • Distributions uniformes, puis Gamma (Tissot 2012)) • Extension prévue aux 85 paramètres, ainsi que la physique.
Paramètres du modèle ModECOGEL (85 param) 6 paramètres incertains: distribution Gamma sur [vnom/3, vnom*3] Pour les 85 paramètres: intervalles de variation ? pdf ? Suggestions bienvenues !
Variational Methods Expériences d’ensemble: sensibilité au timing et intensité du bloom Balayage d’un hypercube latin: ~ 65000 tirages Validation (ou invalidation) du modèle: requiert la comparaison entre (i) des observations et leur incertitude et (ii) un modèle et sa dispersion
Expériences d’ensemble: hiérarchisation des paramètres sensibles
Variational Methods Towards stochastic parameterizations into marine ecosystem models ? (Doron et al., 2011, Doron et al., 2013) Doron M., Brasseur P., Brankart J.-M., Losa S. and Melet A.., 2013: Stochastic estimation of biogeochemical parameters from Globcolour ocean colour satellite data in a North Atlantic 3D ocean coupled physical-biogeochemical model, JMS, in press
Variational Methods Perspectives • Poursuite des travaux: en cours • Etude de sensibilité globale (85 paramètres variables) • Validation approfondie avec les données des campagnes • Tâche assimilation: à venir • Représentation stochastique des forçages HF • Analyse de l’impact de la HF sur l’évolution saisonnière moyenne de l’écosystème • Calibration du processus stochastique par les observations (profils de nitrate et de chlorophylle) • Estimation conjointe de l’état et des paramètres stochastiques
The Biological Pump WP6: Assimilation of high-frequency data into a coupled physical-biological 1D model TASKS TO BE PERFORMED Acquisition of HF meteo data (from nearby buoy and NWP products) for model forcing during a targetted period Implementation/validation of the 1D coupled model (HF winds, heat fluxes, E-P, light) Algorithmic improvements of ensemble-based methods (Doron et al., 2011; 2013; Brankart et al. 2013; Tissot et al., 2013), publication Development of an assimilation test-bed (integrated model/data system) interfaced with the BOUSSOLE data base Assimilation experiments, impact assessment, comparison with PP estimates from WP1, publications M0-M6 OK M6-M12 OK M6-M18 in progress M12-M24 tbd M12-M24 tbd