Atmospheric Water & Assimilation
This theme is coordinated by Olivier Talagrand (
) This page is dedicated to the atmospheric water in three phases, the ground water, moisture and the corresponding forecast (dry events,...) and data assimilation.
Last action:
Inquiry about mesoscale modeling & assimilation activities within IPSL
L'amélioration du cycle de l'eau dans les modèles atmosphériques
(toutes échelles confondues), et l'exploitation optimale de la prolifération
d'information provenant du sol ou des satellites, constituent des enjeux majeurs des
prochaines années dans le domaine des études de processus atmosphériques,
en particulier à méso-échelle, et de leur impact.
L'arrivée à maturité des modèles de simulation à
méso-échelle, et le potentiel des outils d'assimilation déjà
développés permettent un espoir de réponse assez rapide à
ces enjeux. Cela nécessite cependant un meilleur équilibre entre les
développements en amont et les valorisations en aval.
Dans ce contexte, il existe au sein de l'IPSL un groupe de travail appelé SAMA
(Statistiques pour l'Analyse, la Modélisation et l'Assimilation) réunissant
les experts du domaine. Et il se met en place au sein du Pôle PROMETEE un groupe de
travail Modélisation/Assimilation à méso-échelle (GdT-ASME)
dont l'objectif est de promouvoir l'application pratique des idées et des outils
de l'assimilation à fin de mieux exploiter les mesures effectuées pour
l'analyse des processus physiques, et particulièrement du cycle de l'eau.
Ces idées prennent tout leur sens dans le contexte instrumental actuel où
de plus en plus d'observations diverses et complémentaires, en particulier
télédétectées, sont disponibles (mesures de radiance satellitaires,
mesures issues de profileurs, mesures d'instruments à balayage volumique,
mesures eulériennes). L'exploitation judicieuse de ces données nécessite
cependant un effort concerté de grande ampleur et multidisciplinaire
réunissant les experts en assimilation et observations pour développer des
opérateurs d'observation de qualité, ne négligeant aucune source d'erreur,
en particulier au niveau des variables d'entrée de ces opérateurs.
Ceci ne pourra se réaliser que grâce à un transfert de savoir-faire
entre experts du domaine et expérimentateurs.
Deux approches complémentaires pourront être utilisées, celles exploitant
des algorithmes généraux mais qui permettent de résoudre plus ou moins
mécaniquement les problèmes rencontrés, ou bien le développement de
solutions simples et ad hoc. La difficulté résidera dans l'élaboration des
opérateurs d'observation utilisés dans la procédure d'assimilation.
-
La réalisation de mini-réanalyses centrées sur la campagne de mesures.L'estimation des états de l'atmosphère reposant sur la combinaison des prévisions fournies par le modèle numérique avec les observations in-situ au moyen dune procédure d'assimilation est très prometteuse. L'intérêt principal de l'assimilation, par rapport à une comparaison directe des observations aux sorties de modèle, est en effet la production d'une synthèse cohérente en accord avec les équations et la physique du modèle utilisé, à partir de mesures dont la nature physique peut être inhomogène.
-
La modélisation à méso-échelle. L'abondance d'observations à méso-échelle mesurant l'eau sous toutes ses formes: vapeur d'eau (METEOSAT, SSM/I), contenus en nuages et précipitations (radars sols, TRMM, GPM, CLOUDSAT), eau du sol (SMOS), devrait permettre une nette amélioration dans le domaine de la simulation des processus de méso-échelle. Une meilleure caractérisation des covariances d'erreur des mesures sera sans doute une des clés du succès de l'assimilation à méso-échelle de paramètres à forte variabilité spatiale et temporelle.
Il est à noter que les outils nécessaires à l'assimilation de données (opérateurs d'observation, fonctions de structure, modèles adjoints,) peuvent également s'avérer extrêmement utiles pour un certain nombre d'applications visant à l'étude de processus :
-
l'évaluation de l'apport d'informations géophysiques par un nouveau système d'observation.
-
la détermination optimale (ou quasi-optimale) d'un paramètre scalaire ou 4D (tout réglage de paramétrisation) dans une gamme a priori de valeurs en vue de l'amélioration du réalisme d'une simulation;
-
l'exploration de la sensibilité d'une grandeur physique à d'autres grandeurs physiques en vue d'une meilleure compréhension des processus mis en jeu (sensibilité d'un transport au type de surface, .);
-
le calcul de zones d'observation atmosphériques ou océaniques clés pour la simulation réaliste de processus.
-
l'évaluation de la sensibilité de la simulation aux caractéristiques des jeux de données assimilées (densité des observations, échantillonnage, erreurs d'observations, ). Cet aspect est d'une importance capitale pour la définition des campagnes expérimentales ou projets spatiaux futurs.
Ces travaux s'effectueront de concert avec les communautés opérationnelles
afin d'améliorer la communication et l'utilisation d'outils communs. La
coopération de ces groupes avec le groupe AROME de Météo-France est une
action allant dans ce sens pour l'assimilation météorologique à
méso-échelle. Il s'avère que le module d'assimilation d'AROME va être
disponible sous peu à la communauté et que de nombreuses applications
peuvent apparaître au sein de l'IPSL. En océanographie, Mercator pourrait
jouer également un tel rôle.
L'objectif de cette enquête, réalisée au nom du groupe SAMA et du pôle PROMETEE,
est de faire un état des lieux des activités dans ce domaine au sein de l'IPSL et
des besoins scientifiques futurs qui pourront être l'objet d'actions de soutien au sein de
ces groupes.
Link to conclusions summary:  To be added |
 |
|---|