Impact des données de la campagne sur les modèles de Prévision Numérique du Temps

Dimension: px

Commencer à balayer dès la page:

Download "Impact des données de la campagne sur les modèles de Prévision Numérique du Temps"

Eugénie Lesage
il y a 8 ans
Total affichages :

1 1 Impact des données de la campagne sur les modèles de Prévision Numérique du Temps CNES - LMD Vincent GUIDARD Météo-France & CNRS / CNRM-GAME vincent.guidard@meteo.fr Florence Rabier, Nathalie Boullot Jean-Noël Thépaut, Carla Cardinali, Rolf Langland Ron Gelaro Albert Hertzog Philippe Cocquerez Et beaucoup d'autres collègues! Météo-France & CNRS ECMWF NRL NASA/GMAO LMD CNES

fr Florence Rabier, Nathalie Boullot Jean-Noël Thépaut, Carla Cardinali, Rolf Langland Ron

2 2 The Concordiasi Project CONCORDIASI

3 3 640 Dropsondes ( )

4 4 Observation moins modèle point de chute DS Tous les centres tendaient à être trop chauds sur le Plateau. Sur glace de mer, pas de généralité : certains sont trop froids (eg. MF ou NCEP), d'autres trop chaud (eg. ECMWF ou MO), d'autres semblent OK Attention! Certains centres ont fourni toutes les données, d'autres centres uniquement les données après filtrage.

MF ou NCEP), d'autres trop chaud (eg. ECMWF ou MO), d'autres semblent OK Attention!

5 5 Quelle réalité derrière les statistiques? Exemple: Obs moins modèle pour point de chute DS Le GMAO est-il meilleur que MF, plus lisse ou avec plus de QC? K

Exemple: Obs moins modèle pour T @ point

6 6 Quelle réalité derrière les statistiques? Deux profils d'obs moins modèle pour T dans des cas différents Le GMAO applique un contrôle de qualité, donc moins de grosses erreur proche de la surface sur le Plateau Mais, le GMAO a une meilleure description de la surface sur glace de mer, d'où de meilleures statistiques

un contrôle de qualité, donc moins de grosses erreur proche de la surface sur

7 7 Aperçu des vols 2010, un vortex polaire stable 13 ballons avec driftsondes sur les 19 ballons stratosphériques lancés Journée Concordiasi 5 juin 2015, Météo-France, Toulouse

8 Innovations (obs - modèle) pour la température au niveau de vol Fenêtre de 6 h 7 novembre 00UTC Grosses erreurs 01 octobre 13 novembre 2010 K 8 K

9 9 Incréments d'analyse à 70 hpa 29 septembre 06 UTC Vent zonal Vent méridien Dropsonde Nacelle Température Humidité relative

10 10 Incréments d'analyse à 500 hpa 29 septembre 06 UTC Vent zonal Vent méridien Température Dropsonde Humidité relative

11 Incréments d'analyse à 500 hpa pour le géopotentiel 11 EQM des incréments d'analyse sur la période (fin septembre mi-novembre 2010) ECMWF Météo-France m m

12 12 Comment mesurer l'impact sur les prévisions? OSE Observing System Experiment Faire tourner le modèle (analyse + prévision) : Une fois avec toutes les observations Une fois sans les observations de Concordiasi FSO Forecast Sensitivity to Observations Donne la contribution de la réduction d'erreur de prévision à 24h d'échéance par observation Besoin d'une norme et x analysis J deltaj d'un domaine no assim f b xaf time t-1 t0 t1

observations Une fois sans les observations de Concordiasi FSO Forecast Sensitivity to Observations Donne

13 13 OSE impact le modèle global de +6h Niveaux et paramètres pour lesquels l'impact est significatif (prévisions +6h évaluation sur 7 semaines) EQM REF EXP

14 14 FSO dans les modèles du GMAO et de Météo-France Dropsondes vs Radiosondes

15 FSO des dropsondes : Impact cumulé dans les différents modèles 15

16 16 FSO : impact par type d'observation à MF les observations sur l'antarctique Impact en norme globale et en norme polaire

17 17 FSO : impact par type d'observation à MF les observations sur l'antarctique et sur tout le globe Impact en norme polaire

18 18 Concordiasi Les observations de la campagne Les mesures météo ont été disséminées en temps réel Les centres de PNT du monde entier ont pu les utiliser Impact sur les analyses et les prévisions Apport d'informations supplémentaires dans une zone pauvre en observations in situ Impact modeste sur les prévisions Les mesures de vent en stratosphère et de température en troposphère ont le plus d'impact Boullot et al (2014). Observation impact over the southern polar area during the Concordiasi field campaign. QJRMS

en observations in situ Impact modeste sur les prévisions Les mesures de vent en stratosphère et de température en troposphère

19 19 Impact des données de la campagne sur les modèles de Prévision Numérique du Temps CNES - LMD Boullot et al (2014). Observation impact over the southern polar area during the Concordiasi field campaign. QJRMS

Documents pareils

Real-time Monitoring and forecast of IntraSeasonal Variability over Africa (MISVA)

Real-time Monitoring and forecast of IntraSeasonal Variability over Africa (MISVA) R. Roehrig 1,*, F. Couvreux 1, E. Poan 1, P. Peyrillé 1, J.-P. Lafore 1, O. Ndiaye 2, A. Diongue-Niang 2, F. Favot 1,