Contribution de Hubert VARELLA, Lok BERRE & Gérald DESROZIERS:


Utilisation des ondelettes pour la spécification des corrélations locales d'erreur d'ébauche



Actuellement, les corrélations d'erreur d'ébauche fournies par le système d'assimilation d'ensemble (AEARP) sont moyennées sur le globe par une méthode diagonale spectrale. Cette moyenne spatiale est utile afin de réduire le bruit d'échantillonnage induit par la petite taille de l'ensemble. Les corrélations obtenues sont néanmoins homogènes, alors qu'une approche hétérogène permettrait de mieux représenter les variations locales induites par la densité locale des observations, la climatologie locale et la situation météorologique. Une manière d'inclure de l'hétérogénéité est d'utiliser les ondelettes pour filtrer localement le bruit d'échantillonnage. Des études antérieures ont montré que l'utilisation des ondelettes permettait de représenter les variations géographiques des corrélations. Dans ce travail, l'approche ondelette a donc été testée et comparée, relativement à l'approche spectrale, dans le cadre du système d'assimilation 4D-Var du modèle global ARPEGE. Les matrices de corrélation ondelette et spectrale ont alors été estimées sur une période de calibration de trois semaines. Dans une première partie, les résultats du diagnostic des matrices de corrélation ainsi calculées ont montré que les ondelettes, contrairement au spectral, étaient aussi bien capables de représenter l'hétérogénéité des corrélations horizontales que verticales. Cette capacité permet ainsi aux ondelettes d'agir sur le calcul local des incréments d'analyse à travers une matrice de corrélation d'erreur d'ébauche hétérogène. Dans une seconde partie, une étude d'impact de cette matrice sur la performance des prévisions a ensuite été entreprise. Les résultats montrent que l'approche ondelette permet, relativement à l'approche spectrale, d'améliorer significativement les prévisions des variables d'intérêt sur tout le globe. Ils montrent également que l'amélioration est sensible à la période d'impact considérée, dans le sens où plus la période d'impact est proche de la période de calibration, meilleure est l'amélioration des prévisions.

up arrow