Utilisation des données GNSS pour la prévision numérique du temps Jean-Francois Mahfouf Nathalie Saint-Ramond Patrick Moll Météo-France / CNRS CNRM/GAME Toulouse
Sommaire Généralités sur la prévision numérique du temps Le principe de l assimilation de données Les observations pour initialiser les modèles numériques Les données GNSS par Radio-Occultation Les données GNSS terrestres Les évolutions futures 2
La prévision numérique du temps Résolution numérique des équations de la mécanique des fluides (code informatique) pour prévoir l évolution de l atmosphère à partir de la connaissance d un état initial Etat Initial Modèle numérique Etat Prévu 3 3
Estimation d un état initial pour les modèles Les observations Δx Δt irréguliers vs. Δx Δt réguliers Une prévision numérique à courte échéance Système d assimilation Un état initial ou Analyse 4 4
Le système global d observations 5 5
L assimilation variationnelle de données Formalisme mathématique : fonction coût à minimiser J(x ) = 1 2 (x x b )T B 1 (x x b ) + 1 [ 2 y H(x ) ] T R 1 [ y H(x )] x = état à analyser (température, composantes du vent, pression de surface, contenu en vapeur d eau) x b = ébauche (prévision courte échéance) y = observations disponibles H = operateur d observations B = matrice de covariances d erreurs de l ébauche R = matrice de covariances d erreurs d observations 6
Contraintes sur les observations pour l assimilation Le modèle doit être capable de simuler assez précisément l observation : observation trop loin du modèle => problème avec l observation ou le modèle Les observations doivent être suffisamment précises et suffisamment nombreuses (dans le temps et/ou dans l espace) Les observations doivent être complémentaires d autres systèmes d observation (mais la redondance reste utile) Les observations doivent être disponibles en temps quasi-réel (< 2h après la mesure) Les observations ne doivent pas être biaisées, ou doivent être débiaisées avant assimilation Les erreurs d observations sont supposées décorrélées 7 Les données GNSS satisfont ces critères!
8 Les observations dans le modèle global de Météo-France
Assimilation des observations de GNSS RO à Météo-France Assimilé dans le modèle global 4DVAR : ARPEGE (collaboration avec ECMWF) et les modèles à aire limitée 3DVAR : ALADIN depuis septembre 2007 Angles de réfraction Jusqu à 46 km de haut Prise en compte de la dérive du point tangent Contrôles de qualité Écrémage horizontal Pas d écrémage vertical T798 C2.4 L70 9
Opérateur d observation r a Nous assimilons les angles de réfraction avec un opérateur 1D. L opérateur d observation calcule l équivalent de l observation à partir des variables du modèle : S. Healy α( a) = 2a a d lnn dx 2 2 x a dx n : indice de réfraction ; N=10-6 (n-1) a : paramètre d impact x = nr ; r est le «rayon» 10
Opérateur d observation r a - Evaluer la réfractivité N sur les niveaux modèle à partir de p, T et q N = 77,643P Z T d 6,3938e Z T d + + w 5 3,75463.10 e 2 Z T w Pd : pression de l air sec e : pression de la vapeaur d eau Zd : compressibilité de l air sec Zw : compressibilité de la vapeur d eau 11
Capacité du modèle ARPEGE à simuler et assimiler les angles de réfraction GNSS Statistiques sur 17 jours (30/06/2014 -> 16/07/2014) (Observation) moins (prévision 6 heures) ----- (Observation) moins (analyse) 12
Impact des données GNSS RO sur l analyse ATOVS GNSS RO 3% GNSS RO 6% AIRCRAFTS ATOVS Nombre d observations Contributions à l analyse 13
14 Utilisation des données GNSS-RO
15 Capacité des observations GNSS-RO à réduire une erreur de prévision (24h)
16 Evolution future des constellations
Impact des données de GNSS RO (1) Harnish et al., 2013: experience d assimilation de données de GPSRO simulées : de 2000 (~cas réel actuel) à 128000 profils par jour Un ensemble de 10 membres perturbés est étudié. La dispersion de l ensemble, et surtout sa réduction donne une indication sur l impact de ces observations sur l analyse. 17
Impact des données de GNSS RO (2) L impact est loin de saturer les modèles de prévision Actuellement environ 2000 profils par jour On estime qu un bon objectif serait de 10 000 voire 20 000 profils par jours pour certaines applications (climat) Harnish et al. 2013, reduction de dispersion pour T à 100 hpa 18
Les données GPS Sol dans le modèle AROME Ztop ZTD = 10 6 (k 1 O p T + k 3 e T 2 )dz EGVAP UL01 19
Monitoring des observations de ZTD dans AROME Valeur typique de ZTD : 2400 mm (contribution vapeur d eau : 10 %) 20
Impacts sur les prévisions de précipitations OBS NOGPS EGVAP UL01 21
Conclusions (1) Observations GNSS RO sont assimilées dans les modèles de PNT depuis 2007 à Météo-France GNSS RO utiles pour documenter la température dans la troposphère et la stratosphère utilisées comme données d ancrage pour débiaiser les radiances satellitaires (IR et MW) Importance EUMETSAT (ROM SAF) pour diffusion des données en temps réel Impacts positifs sur la qualité des prévisions Constellation actuelle en diminution : en attente de COSMIC-2 Pas de saturation du signal : 2000 -> 20000 profils par jour 22
Conclusions (2) Observations GNSS terrestres sont assimilées dans les modèles de PNT depuis 2006 et 2008 à Météo-France GNSS terrestres utiles pour documenter la vapeur d eau à haute fréquence temporelle Importance EUMETNET (E-GVAP) pour diffusion des données en temps réel Impacts positifs sur la qualité des prévisions (précipitations) Besoins des données en dehors de l Europe et de mise à disposition plus rapide (prévision immédiate) Travaux en vue d utiliser d autres informations : délais obliques, gradients de ZTD, profils de réfractivité (tomographie) : action COST ES2106 GNSS4SWEC 23
FIN