Le système dassimilation hybride Meso-NH/AROME Geneviève Jaubert CNRM-GAME/Météo-France and CNRS Toulouse France G.Jaubert Journées Meso-NH 2007 Toulouse

Le système d’assimilation hybride Meso-NH/AROME

Geneviève Jaubert

CNRM-GAME/Météo-France and CNRS

Toulouse France

G.Jaubert Journées Meso-NH 2007 Toulouse

Introduction

Le système d’assimilation hybride a été construit pour• Doter le modèle méso-NH d’un module d’assimilation • Permettre les premiers tests du module d’assimilation du

futur modèle de prévision à l ’échelle convective AROME

Il a été validé sur 2 cas d’étude: les inondations du Gard en septembre 2002 et un cas de précipitations liées à un front froid durant MAP


Analyse

Ebauche

Observations

Analyse

Statistiques / observations

Analyse

3D-VAR

Analyse 3D/VAR ALADIN

Prévision

Arome

Statistiques d’erreurs Du modèle

Prévision

Meso-NH


TransformationFichier spectral

Prévision

Aladin



Prévision

Aladin


Prévision

Arome


Prévision

Meso-NH


Analyse

Analyse 3D-VAR Aladin


Prévision

Aladin

Prévision

Arome

Prévision

Meso-NH

TransformationFichier

+balance




Output modèle 1

Meso-NH

Statistiques d’erreurs modèle 1

Analyse: Meso-NH en modèles imbriqués



Simulation

Output modèle 2



Statistiques d’erreurs modèle 2


+balancel

Input modèle 1

Meso-NH

Simulation

Input modèle 2


+balancel


Assimilation: Interface Olive

Pour l’assimilation hybride: prep_experiment

interfacé à Olive


Analyse: opérateur d’observation

Ebauche

Observations

Analyse


Analyse

3D-VAR

Assure la transformation de l’ensemble du modèle à l’ensemble des observationsDifficile à implémenter

Nécessite parfois des codes annexes lourds (par exemple RTTOVS pour les radiances satellites)

L’assimilation hybride utilise les opérateurs d’observations développés pour ARPEGE/IFS , ALADIN et AROME


Analyse: 3D-VAR ALADIN

Ebauche

Observations

Analyse


Analyse

3D-VAR

Statistiques d’erreurs

du modèle (B)

Débiaisage des observations

Statistiques d’erreurs

d’observations (R)

Le calcul des statistiques nécessite une longue période d’assimilation.

Ces statistiques évoluent dans le temps difficultés pour une assimilation avec un modèle non opérationnel

Informations complémentaires


Les statistiques d’erreurs du modèle

Basées sur les covariances d’erreurs du modèle utilisées par l’analyse ALADIN

Domaine Mésoéchelle (maille 10 Domaine Mésoéchelle (maille 10 km)km):Statistiques d’ALADIN sauf en basses couches où les variances sont plus grandes sauf pour la partie rotationnelle du vent balance géostrophique réduite en basses couches

Profils verticaux des ecart-types d’erreurs du modèle


Les statistiques d’erreurs du modèle

Basées sur les covariances d’erreurs du modèle utilisées par l’analyse ALADIN

Domaine échelle convective Domaine échelle convective (maille 2.5 km)(maille 2.5 km):Portées horizontales d’ALADIN réduitesVariances plus grandes en basses couches

Profils verticaux des écart-types d’erreurs du modèle

Les écart-types calculés pour AROME sont plus proches de ceux d’ALADIN


Les inondations du Gard (8-9 sept.2002)

Altitude 700 hPaDomaine Mésoéchelle: maille 10 km

288x288 pts-40 niveaux

2000812:12 2000900:06

Alt 700 hPa -Precip 18h

Un système convectif mésoéchelle dans un flux synoptique quasi-stationnaire, à l’avant d’un système frontal

MCS stationnaire Pluies torrentielles >300 mm en 18 hours

Precip 18h Pluviomètres

Domaine d’échelle Convective:

Maille 2.5 km 288x288 pts-40 niveaux

Precip 18h (REF06)

Données utilisées: surface + radiosondages

Pression de surface, Temperature, Humidité, ventG.Jaubert Journées Meso-NH 2007 Toulouse

Période d’Assimilation : un ou deux modèles?

RUC 1h (06 UTC 12 UTC) 1(2) domaine(s) + Pévision

ETS 6 heures seuil 10 mm

Periode 1218 1800 0006 UTC

mesoscale RUC 0.22 0.02 0.25 _____

mesoscale Analysis 0.50 0.21 0.40 - - - - -

conv.scale RUC 0.04 0.02 0.40 _____

conv.scale Analysis 0.33 0.15 0.41 - - - - -

REF06 0.08 0.03 0.25 _____

REF12 0.03 0.27 0.26 _____

1218 UTC 1800 UTC 0006 UTC

La meilleure simulation: analyse à10 km pour les scores de précipitation, assimilation pour les scores aux données de surface

Temperature à 2m: scores

Humidité à 2m: scores


Precipitations cumulées sur 18 h

Pluviomètres

La plus mauvaise simulation

Assimilation 10+2.5 6h pas 1hLa meilleure simulation

Assimilation 10 km 6h pas 6h

Sans analyse mésoéchelle

Initialisation arpège 6 UTC)

La zone de précipitations intenses est toujours simulée, même si la localisation n’est pas toujours exacte


T2M sous le système convectif (15 UTC, To+3)

Grâce à l’assimilation des données de surface, la cold pool est mieux représentée dans une simulation initialisée avec une assimilation à méso-échelle

La meilleure simulation

Assimilation 10 km 6h pas 6h

La plus mauvaise simulation

Assimilation 10+2.5 6h pas 1h

Sans analyse mésoéchelle

Initialisation arpège 6 UTC

T2m Observations

Massif

central

Alpes


Assimilation: Coût


Aladin Arome Meso_NH

10 km

Meso_NH

2.5 km

Analyse 35 14 44 24

Prévision

3 h

12 60 950

Total

Cycle 6h

129 160 2104

Total cycle 6h

289 2104

Une autre alternative: Initialiser les simulations Meso-NH à partir d’une assimilation ALADIN ou AROME

Unité: minute CPU sur Tora

Cas du 6 septembre 2005: Meso-NH / AROME

RADAR NIMES

Pluviomètres Arome assimilation

Meso NH init Aladin

Meso NH init Arpege


Conclusion

Impact important de l’assimilation des données de surface sur le biais de température et d’humidité

Une assimilation à l’échelle 10km/2.5 km améliore (en général) la prévision (à courte échéance)

Des statistiques adaptées sont nécessaires. Le coût des simulations Méso-NH empêche d’utiliser l’assimilation

hybride sur de longues périodes, pourtant indispensable pour valider un système d’assimilation


Documents

Le système dassimilation hybride Meso-NH/AROME Geneviève Jaubert CNRM-GAME/Météo-France and CNRS Toulouse France G.Jaubert Journées Meso-NH 2007 Toulouse