1 / 39

Mod é lisation et assimilation des donn é es pour les surfaces continentales : Une approche int é gr é e

Mod é lisation et assimilation des donn é es pour les surfaces continentales : Une approche int é gr é e. G. Balsamo European Centre for Medium-range Weather Forecasts

farren
Download Presentation

Mod é lisation et assimilation des donn é es pour les surfaces continentales : Une approche int é gr é e

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Modélisation et assimilation des données pour les surfaces continentales : Une approche intégrée G. Balsamo European Centre for Medium-range Weather Forecasts En remerciant pour les contributions de:F. Bouyssel, J. Noilhan, J.F. Mahfouf, S. Bélair, G. Deblonde, A. Beljaars, P. Viterbo, B. van den Hurk, A. Betts,M. Drusch, P. de Rosnay, K. Scipal,J.C. Calvet, L. Jarlan, S. Lafont 1-2 décembre, 2008 Colloque National LEFE-ASSIM, Paris, France

  2. Plan de la presentation • Introduction: • Les reservoirs d’eau en surface • Les erreurs de la surface: • Condition initiale ou erreur modele? • Les observations pour la surface • L’analyse de la surface en PN • La modelisation à l’aide de l’assimilation • Conclusions et perspectives

  3. Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995) Soilmoisture snow • DA increments redistribute water and constraint near-surface errors moisture deficit Early snowmelting anticipate moisture supply

  4. Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)

  5. Les increments d’analyse de neige entre ERA-40 et ERA-Interim ERA-40 ERA-Interim1992, daily SWE increments T159 (~125 km) 3D-VAR, CY23R4 T255 (~80km) 4DVAR, CY31R1

  6. L’impact de la rugosite : Une decouvert de SnowMIP2 Dutra et al. 2008 <CY30R1 >CY31R1

  7. Importance de l’eau du sol et de la neige en PN • Le contenu en eau du sol est responsable de la répartition du flux de rayonnement solaire incident en flux de chaleur sensible (H) et latent (LE) en surface (Bowen ratio) • La presence de neige determine une forte discontinuité dans l’albedo de surface (0.2-0.3 a 0.8) et fonctionne comme isolant thermique de la surface. • Affectent l’évolution de la couche limite • Présentent une échelle temporelle (mémoire) de plusieurs semaines Spécificités: • Absence d’observations directes sur un large domaine • Variabilité spatiale élevée des paramètres de surface Méthode: • Utiliser observations indirectes Pour l’eau du sol(prec., 2m obs., obs. satellites) • Pour l’eau du sol T2m, Hu2m(Coiffier et al. 1987, Mahfouf 1991)

  8. Cas d’etude ALADIN-France, 13-18 Juin 2000 : les erreurs à 2m et l’eau du sol en ciel clair Evaluation des erreurs à 2m dans le modele et lien avec l’eau du sol Correlation des erreurs a T2m & eau du sol Wet Dry heterogeneity of soil moisture

  9. 10 days 5 days 48 h 24 h 12 h 6 h t t0 T2m forecast error Pour illustrer l’effet memoire pour l’eau du sol un erreur simulee est impose Et l’impact analyse au cour d’un PN (T2m, RH2m) Impact d’un erreur d’initialisation dans l’eau du sol RH2m forecast error Wp initial error

  10. Le modèle de surface au CEPMMT • HTESSEL (Improved Hydrology: validation at monthly scales over 41 large World basins and daily scales only on Rhone basin • HTESSEL became operational the Nov. 2007 • Balsamo et al. 2008, ECMWF tech. memo. 563, also to appear in J. of Hydromet.) • Hydrology-TESSEL • Global Soil Texture Map (FAO) • New formulation of Hydraulic properties • Variable Infiltration capacity (VIC) surface runoff

  11. La validation sur des sites de mesure SEBEX (Savannah, Sandy soil) BERMS (Boreal Forest) HTESSEL improves soil moisture and evaporation with respect to TESSELin dry climates and leads to a better represented soil moisture inter-annual variability in continental climate

  12. Le projet AMMA-ALMIP-MEM : l’eau du sol et les Tb micro-ondesP. de Rosnay, A. Boone, M. Drusch, T. Holmes, G. Balsamo, many others ALMIPers (papers submitted to IGARSS and JGR) • AMMA-ALMIP-MEM first spatial verification of SM/Tbs C-band AMSR-EC-bandTbHTESSEL Result: HTESSEL+CMEM is un-biased and reproduces satellite obs. statistics!

  13. L’analyse des surfaces continentales depuis 1991

  14. T2m t RH2m t Wp t 6-h 12-h 18-h 0-h L’analyse de surface par Interpolation Optimale (opérationnelle à Météo-France)Mahfouf 1991, Bouttier 1993, Giard and Bazile 2000 InterpolationOptimale de T2m et Hu2m à partir des observations SYNOP sur la grille du modèle D T2m = T2ma - T2mf D RH2m = RH2ma - RH2mf Correction des paramètres de surface (Ts, Tp, Ws, Wp) avec les incréments à 2m entre valeurs analysées et prévues analyse séquentielle (6h) Tsa - Tsf = D T2m Tpa - Tpf = D T2m / 2p Wsa - Wsf = aWsT D T2m + aWsRHD RH2m Wpa - Wpf = aWpT D T2m + aWpRHD RH2m aWp/sT/RH = f (t, veg, LAI/Rsmin, texture, atm.cds.) coefficients OI

  15. Mahfouf (1991), Callies et al. (1998), Rhodin et al. (1999), Bouyssel et al. (2000), Hess (2001), Balsamo et al. (2003), Mahfouf et al. (2008) Formalisme: T2m t RH2m t Wp t 6-h 12-h 18-h 0-h L’analyse de surface par assimilation variationnelle J(x) = J b(x) + J o(x) = ½ (x – xb) TB-1 (x – xb) + ½(y – H(x))TR-1 (y – H(x)) analyse continue x vecteur des variables de contrôle y vecteur des observations H opérateur d’observation L’ analyse s’obtient par minimisation de la fonction coût J(x) matrice des covariancesd’erreur de l’ébauche B matrice des covariancesd’erreur des observations R • Avantages:assimilation obs. asynoptiques, Extension fenêtre d’assim. (24-h)

  16. Wp W’p=Wp + dWp d æ ö ( 1 ) T 2 m ç ÷ d T2m W p ç ÷ d ( 1 ) RH ç ÷ 2 m d W ç ÷ p T = H ... ç ÷ d ( ) p T ç ÷ 2 m d W ç ÷ p d ( ) p RH ç ÷ t ç ÷ 2 m d W è ø p t=0 1 2 … p ( ) - = D D D D ( 1 ) ( 1 ) ( ) ( ) p p y H ( x ) T , RH ,..., T , RH b 2 2 2 2 m m m m La méthode 2D-VAR utilisée dans le modèle PN complet Une perturbation initiale de l’eau du sol d Wp est appliquée en chaque point de grille du modèle. Guess G dT2m(i) = T2mG (i) - T2mG’ (i) dWp Guess G’ DT2m(i) = T2mG (i) - T2mO(i)

  17. Comment les radiances microondes et infrarouge nous informent sur le contenu en eau du sol? L-band Tb IR Tskin C-band Tb Tb = ε Ts Ws Ws Wp Wp Soil moisture modifies soil dielectric const. emissivity ε Soil moisture affects Skin temperature and heating rate L-band Tb C-band Tb IR Ts

  18. IR Tskin(or HR) L-band&C-Band TB G G’ Obs. Tb, H TsIR t Tb, V t t Morning(except Clouds) Every hour (except RFI in C-band) Wp Wp t t 0-h 1-h 2-h 3-h … ………… 23-h 0-h 0-h 1-h 2-h 3-h … …… 23-h 0-h

  19. L’analyse de l’eau du sol en PN La plupart des techniques d’assimilation opérationnelles utilisent les 3 hypothèses suivantes : • Indépendance (hypothèse de « truncated control variable space », permettant de traiter l’analyse de surface séparément de l’altitude) • Locale (hypothèse de découplage spatial horizontal) • Linéaire (hypothèse linéaire pour l’opérateur d’observation) Différentes méthodes ont été testées et sont utilisées opérationnellement: Interpolation Optimale (OI), Assimilation variationnelle (VAR), Filtre de Kalman (EKF, EnKF)

  20. Hypothèse de linéarité Une situation réelle (16 juin 2000 à 12UTC)est considérée pour tester la sensibilité aux perturbations initiales de l’eau du sol en fonction des conditions atmosphériques B) A) T’2m T2m B) T’2m T2m A)

  21. hypothèse 2D (découplage horizontal) L’hypothèse 2D est validée à l’aide des données simulées sur une situation réelle Depuis une erreur initial prescrit Wp Erreur d’ analyse Les erreurs de prévision à 6-h pour T2met Hu2m

  22. Des observations simulées (consistantes avec SWI=0.5) ont été assimilées sur une période de 10 jours Convergence de l’analyse analyse 2D-VAR optimisé sur une fenêtre d’assim. de 24-h Des expériences avec observations réelles ont pu être considères

  23. Comparaison du 2D-VAR et OI à Météo-France • masking of low sensitivity grid-points (coherence of masked areas) • dependency from radiation rather than vegetation • evaluation of the overall correction of the OI ( ) A comparison with OI (Gain Matrix and OI coefficients) is useful to point out some properties of the variational approach OI 2D-Var Veg. cover (%) Radiation (W/m2)

  24. Comparaison du EKF et OI au CEPMMT Drusch et al. 2008 (ECMWF Tech. memo 576)

  25. Balsamo et al. (2003) Habets et al. (1999) 2D-VAR ALADIN comparéà SIM off-line Un cycle d’assimilation 2D-VAR avec observations réelles pour l’analyse de l’eau du sol fournit une champ réaliste comparable au modèle hydrologique couplé, SAFRAN-ISBA-MODCOU (forcé par Prec., Ray. observés).

  26. Equivalence de l’approche “stand-alone” & “atmospheric-coupled” pour evaluer les JacobiensMahfouf et al. 2008 (JGR, submitted), Jarlan et al. 2008 (JGR accepted), Balsamo et al 2007 (JHM) Atmospheric-coupledStand-Alone T2m Q2m Comparison of OI and stand-alone 2DVAR, EKF Mahfouf 2007 (Meteo-Franceinternal note) TIR Tb(C) Tb(L) Balsamo et al. 2006, 2007 (JHM)

  27. Complexity/Cost sites (Offline) 2D (Offline) Global (Offline) Coupled GCM Generality Coupled GCM + DA Une strategie de developpement pour la surface

  28. Conclusions L’eau du sol et la quantité de neige accumulée en surface sont des variables critiques pour la performance de la prévision du temps sensible dans la basse troposphère. L’initialisation à l’aide des techniques d’estimation optimales (OI EKF, EnKF) represente le cadre ideal pour integrer plusieurs observations. Une assimilation multi-variee en surface montrera des erreurs modele (operateur d’observation et schemas de surface). Une approche intégrée pour le développement et la validation des schémas pour la surface en prenant en compte les increments d’analyse permet de valider de facon generale l’ensemble des schemas modele et assimilation.

  29. Perspectives

  30. MetOP ASCAT (2008- ) C-band active L-band Tb SMOS ESA mission (2009/09) SMAP NASA mission IR Ts C-band passive Tb GOES-E GOES-W MSG MTSAT AQUA AMSR-E instrument (05/2002)

  31. Comparaison ERA-40 ERS-Scat • Satellite and model soil moisture show good agreement • High Agreement of absolute values and anomalies in tropics and mid latitudes • Problems in desert (sensor related) and in cold climates

  32. Assimilation du LAI dans CTESSEL Lionel Jarlan et al. 2008 Land surface DA system lay-out DA scheme (simplified 2D-VAR) Jarlan et al. (2006), Balsamo et al. (2004)

  33. CTESSEL vs LAI satellite (2002-2003). Une application en Afrique de l’ouest Strong time shift of CTESSEL (# ISBA-A-gs) C-TESSEL – MODIS consistent over forest and Savanna (min value) The DA helps to correct the model delay in vegetation growth Low values of LAI in the observations are still difficult to achieve • Time series over 2002-2003 (after rescaling)

  34. Leaf area Index & Net Ecosystem (LAI) Exchange (NEE) TESSEL C-TESSEL : • BERMS site Old Aspen. • 8 years data set. • NOTE: NEE total flux conservation imposed

  35. Observations simulees au-dessus de L’Amerique du Nord L-band Tb ~50 km spatial resolution hourly 6-hourly IR Ts C-band Tb T/H 2m

  36. INFORMATIVITY on SOIL MOISTURE 2008/2015 AVAILABILITY now • + Large information content • + Global Coverage • + Reduced Atmospheric Contrib. • Surface soil moisture ? • Not Available ‘till 2007 • + Global coverage • + Relatively reduced Atmospheric contrib. • RFI • Vegetation masking VWC>1kg/m2 • + Large coverage • Cloud Masking • Model Bias • + Wide validation • -Coverage • Variable Information Content Contenu en information des observations L-band Tb IR Ts C-band Tb T/H 2m

  37. Juin Juillet +Forte Indice 2003/2002 +Faible (CNES, 2003) Images SPOT/VEGETATION Variation des NDVI 2003 par rapport au 2002, fournit par Dr. Vincent Rivalland Sécheresse de l’été 2003: Comparaison de l’eau du sol et des variations de l’indice de végétation (NDVI) Le 30 Juin 2003 (exp. 2D-Var + Ecoclimap (Masson et al. 2003)) Variation du SWI du 30 juin 2003 par rapport au 30 juin 2000

  38. Met. forcing LAI ISBA / TESSEL LE, H, Rn, W, Ts… LAI Met. forcing Active Biomass ISBA-A-gs / C-TESSEL LE, H, Rn, W, Ts… CO2 Flux [CO2]atm Le cycle du carbone et la vegetation interactive (C-TESSEL) Prescribed (without seasonal cycle) INTERACTIF ISBA-A-gs / C-TESSEL are CO2-responsive land surface models, new versions of operational schemes used in atmospheric models

  39. Adaptation dynamique de la prévision globale ARPEGE à échelle plus fine (~10 km) Le modèle de surface dans ALADIN-France Le schéma ISBA est utilisé.Noilhan & Planton, (1989),Noilhan & Mahfouf, (1996),Bazile (1999), Giard & Bazile (2000), … Énergie Eau

More Related