Programme GMES du Ministère du Développement Durable

Transcription

1 Programme GMES du Ministère du Développement Durable Estimation des Sources et Puits de Gaz à effet de serre - CO 2, CH 4 et N 2 O - à l échelle Régionale par Assimilation de Données atmosphériques in-situ I. Pison, M. Saunois, A. Berchet, P. Bousquet, G. Broquet, F. Chevallier, M. Ramonet, M. Schmidt Laboratoire des Sciences du Climat et de l Environnement

2 Les données atmosphériques de concentration Comment peuvent-elles permettre de mieux comprendre les sources et les puits des GES? Sites de mesures disponibles en France en 2012 toutes espèces confondues. Station Alt (m) Prise d air (m) Espèces Nb. données horaires BIS CH 4, CO CH GIF CO N 2O 6393 CH OPE 390 CO N 2O 5528 CH PUY CO N 2O 3726 TRN CO N 2O 2558 I. Pison ESPiGRAD, Journée scientifique OPE 2 / 21

3 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Comment identifier le signal des flux dans les concentrations mesurées? outils numériques I. Pison ESPiGRAD, Journée scientifique OPE 3 / 21

4 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Identifier le signal des flux dans les concentrations mesurées : 1 réunir des connaissances sur les émissions I. Pison ESPiGRAD, Journée scientifique OPE 4 / 21

5 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Identifier le signal des flux dans les concentrations mesurées : 1 réunir des connaissances sur les émissions 2 les transporter dans l atmosphère avec un modèle numérique I. Pison ESPiGRAD, Journée scientifique OPE 4 / 21

6 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Identifier le signal des flux dans les concentrations mesurées : 1 réunir des connaissances sur les émissions 2 les transporter dans l atmosphère avec un modèle numérique 3 comparer les concentrations simulées aux mesures I. Pison ESPiGRAD, Journée scientifique OPE 4 / 21

7 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques en déduire de «meilleures» émissions mais attention : les écarts mesures/modèle ne sont pas dus uniquement aux imperfections des flux a priori! I. Pison ESPiGRAD, Journée scientifique OPE 5 / 21

8 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques en déduire de «meilleures» émissions mais attention : les écarts mesures/modèle ne sont pas dus uniquement aux imperfections des flux a priori! prise en compte des incertitudes I. Pison ESPiGRAD, Journée scientifique OPE 5 / 21

9 L optimisation des flux de surface Exploitation des mesures en synergie avec les modèles numériques pour améliorer notre connaissance des flux de surface But : trouver le cadastre optimal celui qui permet la meilleure adéquation entre toutes les sources d information disponibles Méthode : modélisation inverse combiner de façon statistiquement optimale des observations (concentrations), un modèle de chimie-transport et des informations a priori (inventaire) + leurs incertitudes afin de mieux estimer un paramètre (flux) Résultat : des facteurs correctifs (incréments) sur les flux a priori des cartes de flux optimisés, des incertitudes associées et des champs de concentrations analysées I. Pison ESPiGRAD, Journée scientifique OPE 6 / 21

10 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Cadre théorique : l inversion bayésienne assimilation de données dans un cadre probabiliste Base mathématique Trouver la probabilité des flux x connaissant les observations y o et partant d une connaissance a priori des flux x b et du transport H p(x y o Hx b, x b ) p(y o x) p(x) en prenant en compte les incertitudes sur y o, H et x b : matrices de covariances d erreurs (R, B) si distrib gaussiennes Résultats dans le cas gaussien flux optimisés : x a = x b + K(y o Hx b ) avec K = BH T (R + HBH T ) 1 les incertitudes a posteriori associées : P a = B KHB I. Pison ESPiGRAD, Journée scientifique OPE 7 / 21

11 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques Généralisation (travail d A. Berchet) maximum de vraisemblance + marginalisation (ensemble) Marginalisation des statistiques p(x y o Hx b, x b ) p(x y o Hx b, x b, R, B) p(r, B y o Hx b, x b )d(r, B) (R,B) I. Pison ESPiGRAD, Journée scientifique OPE 8 / 21

12 L optimisation des flux de surface Obtenir des informations sur les flux à partir des informations contenues dans les concentrations atmosphériques I. Pison ESPiGRAD, Journée scientifique OPE 9 / 21

13 Échelle de la France : les échelles fines sont déterminantes pour de nombreux processus d émission Inventaire IER : émissions anthropiques de CH4 à 5 Projet ESPiGRAD : assimiler les mesures de concentrations atmosphériques in situ fournies par le réseau ICOS afin d estimer les sources et puits de CO2, CH4 et N2 O à l échelle de la France ainsi que les incertitudes associées I. Pison ESPiGRAD, Journée scientifique OPE 10 / 21

14 Le modèle CHIMERE Caractéristiques : 3D - eulérien - domaine à aire limitée données météo en entrée maillage horizontal maillage vertical : 29 niveaux du sol à 300 hpa (à 5, 40, 85, 135 m puis progression géométrique) I. Pison ESPiGRAD, Journée scientifique OPE 11 / 21

15 Les inventaires a priori (+ conditions aux limites et initiales) anthropiques CH 4 IER (ruminants et déchets agricoles, décharges, retraitement des eaux usées et aux fuites de gaz) CO 2 IER (avec variations mensuelles pour le secteur résidentiel) N 2 O ORCHIDEE-N2O (sols cultivés), EDGAR biogéniques / NEE de l ECMWF (C- TESSEL) ORCHIDEE-N2O (sols naturels), Nevison (océan) CL, CI : inversion globale (CH 4 ), modèle global (CO 2 ), climato (N 2 O) I. Pison ESPiGRAD, Journée scientifique OPE 12 / 21

16 Les stations ICOS Répartition des données CH 4 = 9 sites, CO 2 = 10, N 2 O = 4 couverture temporelle partielle couverture spatiale hétérogène I. Pison ESPiGRAD, Journée scientifique OPE 13 / 21

17 Le système d inversion : PYANA Méthode analytique taille du problème telle que l inversion des matrices est possible I. Pison ESPiGRAD, Journée scientifique OPE 14 / 21

18 Le système d inversion : PYANA Méthode analytique taille du problème telle que l inversion des matrices est possible Taille de R filtrage des données niveau le plus élevé de chaque site moyennes horaires de l après-midi : 14 h-19 h UTC HCL > 500 m I. Pison ESPiGRAD, Journée scientifique OPE 14 / 21

19 Le système d inversion : PYANA Méthode analytique taille du problème telle que l inversion des matrices est possible Taille de R filtrage des données Taille de B aggrégation des flux 31 régions 4 «semaines» par mois émissions nettes totales I. Pison ESPiGRAD, Journée scientifique OPE 14 / 21

20 Le système d inversion : PYANA Méthode analytique nombreux diagnostics possibles grâce à l accès aux matrices explicites Diagnostics exploités ici : matrice de sensibilité HK poids de chaque obs matrice d influence KH contraintes sur les flux matrices de corrélation a posteriori échelles spatio-temporelles typiquement contraintes intervalles de confiance objectivés ( x a ± 1σ) I. Pison ESPiGRAD, Journée scientifique OPE 15 / 21

21 Résultats CH 4 Utilisation objectivée des données horaires Données... disponibles I. Pison ESPiGRAD, Journée scientifique OPE 16 / 21

22 Résultats CH 4 Utilisation objectivée des données horaires Données... filtrées : après-midi et HCL > 500 m I. Pison ESPiGRAD, Journée scientifique OPE 16 / 21

23 Résultats CH 4 Utilisation objectivée des données horaires Données... utilisées : poids I. Pison ESPiGRAD, Journée scientifique OPE 16 / 21

24 Résultats CH 4 Utilisation objectivée des données horaires Données... utilisées : vision par station I. Pison ESPiGRAD, Journée scientifique OPE 16 / 21

25 Résultats CH 4 Utilisation objectivée des données horaires Données contraintes apportées sur les flux : on ne «voit» pas tous les flux I. Pison ESPiGRAD, Journée scientifique OPE 16 / 21

26 Résultats CH 4 Émissions en France en ±1360 Gg = -60% d incertitude / a priori cycle saisonnier suggéré cohérent avec d autres inversions (InGOS) +50 à +70% par rapport aux inventaires : pourquoi? I. Pison ESPiGRAD, Journée scientifique OPE 17 / 21

27 Cas du N 2 O Données Peu nombreuses! I. Pison ESPiGRAD, Journée scientifique OPE 18 / 21

28 Cas du N 2 O Données trop peu de contraintes apportées sur les flux I. Pison ESPiGRAD, Journée scientifique OPE 18 / 21

29 Cas du CO 2 Données «voient» la somme de flux positifs et négatifs I. Pison ESPiGRAD, Journée scientifique OPE 19 / 21

30 Cas du CO2 Données «voient» la somme de flux positifs et négatifs l inversion I. Pison difficulté pour ESPiGRAD, Journée scientifique OPE 19 / 21

31 Conclusions Mise en place d un système d inversion avec réglage automatique des statistiques d erreur pour trois espèces de GES, CH 4, N 2O et CO 2, pour l étude de la France Démonstration faisabilité selon l espèce estimation des émissions de CH 4 à l échelle de la France avec plusieurs diagnostics statistiques quantitatifs (incertitudes associées, poids des stations, régions contraintes) observations supplémentaires nécessaires pour tester la faisabilité pour le N 2 O faisabilité non démontrée pour CO 2 malgré les diagnostics produits I. Pison ESPiGRAD, Journée scientifique OPE 20 / 21

32 Perspectives : pour proposer des inversions en routine à l échelle régionale, Il est serait nécessaire, quelle que soit l espèce d intérêt : de déployer davantage de stations, notamment pour contraindre la partie sud-est du pays. Depuis 2013 et 2014, deux stations de plus, à l OHP et au Cap Corse. d améliorer le modèle pour assimiler plus d obs par jour et ainsi, mieux utiliser les obs disponibles. Les données actuellement éliminées de nuit ou sous faible HCL sont celles qui contiennent pourtant le signal régional le plus fort. I. Pison ESPiGRAD, Journée scientifique OPE 21 / 21

33 Perspectives : pour proposer des inversions en routine à l échelle régionale, Il est serait nécessaire, quelle que soit l espèce d intérêt : de déployer davantage de stations, notamment pour contraindre la partie sud-est du pays. Depuis 2013 et 2014, deux stations de plus, à l OHP et au Cap Corse. d améliorer le modèle pour assimiler plus d obs par jour et ainsi, mieux utiliser les obs disponibles. Les données actuellement éliminées de nuit ou sous faible HCL sont celles qui contiennent pourtant le signal régional le plus fort. Attention : à l échelle régionale, il y a de fortes corrélations temporelles dans les informations (erreurs de transport et flux) il n est ni possible ni pertinent d assimiler plus d une obs pour 3-4 h ; il faut plutôt troquer de la résolution temporelle contre plus de sites de mesures. I. Pison ESPiGRAD, Journée scientifique OPE 21 / 21

34 Perspectives : pour proposer des inversions en routine à l échelle régionale, Il est serait nécessaire, quelle que soit l espèce d intérêt : de déployer davantage de stations, notamment pour contraindre la partie sud-est du pays. Depuis 2013 et 2014, deux stations de plus, à l OHP et au Cap Corse. d améliorer le modèle pour assimiler plus d obs par jour et ainsi, mieux utiliser les obs disponibles. Les données actuellement éliminées de nuit ou sous faible HCL sont celles qui contiennent pourtant le signal régional le plus fort. de développer les mesures complémentaires permettant de contraindre spécifiquement certaines sources (CO, les isotopes de C). La prise en compte des corrélations d erreur entre espèces (GES ou espèces réactives) mériterait alors d être abordée. I. Pison ESPiGRAD, Journée scientifique OPE 21 / 21

35 Perspectives : pour proposer des inversions en routine à l échelle régionale, Il est serait nécessaire, quelle que soit l espèce d intérêt : de déployer davantage de stations, notamment pour contraindre la partie sud-est du pays. Depuis 2013 et 2014, deux stations de plus, à l OHP et au Cap Corse. d améliorer le modèle pour assimiler plus d obs par jour et ainsi, mieux utiliser les obs disponibles. Les données actuellement éliminées de nuit ou sous faible HCL sont celles qui contiennent pourtant le signal régional le plus fort. de développer les mesures complémentaires permettant de contraindre spécifiquement certaines sources (CO, les isotopes de C). La prise en compte des corrélations d erreur entre espèces (GES ou espèces réactives) mériterait alors d être abordée. de développer certains aspects méthodologiques spécifiques à chaque espèce, notamment dans le cas de flux très ponctuels spatialement et temporellement comme le N 2 O ou dont le signe varie (sources et puits) comme pour le CO 2. I. Pison ESPiGRAD, Journée scientifique OPE 21 / 21