Assimilation des données de GNSS à Météo-France O. Caumont, V. Ducrocq, J.-F. Mahfouf, P. Moll, M. Nuret, et al. CNRM-GAME (Météo-France & CNRS), Toulouse Colloque Géodésie-Géophysique 16-18 novembre 2015, Toulouse
Un bref historique de l assimilation des délais zénithaux GPS à Météo-France Autour des années 2000 : Plusieurs projets européens concernant l utilisation des données GPS en météorologie o o o o 1998-2001 : Projet MAGIC (Meteorological Applications of GPS Integrated Column Water Vapour Measurements in the Western Mediterranean) 1998-2004 : action Cost 716 : Exploitation of Ground-Based GPS for Climate and Numerical Weather Prediction Applications. 2003-2006 : Projet TOUGH (Targeting Optimal Use of GPS Humidity Measurements in Meteorology) 2005 : Création d E-GVAP (The EUMETNET EIG GNSS water vapour programme) fournissant aux services météorologiques européens des délais et des estimations de vapeur d eau pour des applications opérationnelles (PNT). Développement d un simulateur de ZTD, STD et gradients pour Méso-NH, tests de sensibilité et validation sur des cas de précipitations intenses méditerranéennes (Brenot et al. JGR 2006, thèse Brenot 2006 ; collab. LGIT) 2006 : Opérateur d observation dans Méso-NH Travaux pour l échelle synoptique : Poli et al. (JGR 2007, IG 2008 ; collab. CEPMMT) Septembre 2006 : Assimilation des données GPS-sol opérationnelle dans le système 4DVar Arpege 2 Travaux pour l échelle convective avec : o Système hybride 3DVar Aladin/Méso-NH : Yan et al. (ADGEO 2008, JGR 2009), thèse Yan (2009) ; collab. LGIT o 3DVar Arome préopérationnel : Boniface et al. (ANGEO 2009), thèse Boniface (2009), Yan et al. (QJRMS 2009) ; collab. LGIT, GM, IPGS-EOST Décembre 2008 : Assimilation des données GPS-sol opérationnelle dans le système 3DVar Arome
3 Utilisation opérationnelle des données de ZTD à Météo-France
L assimilation variationnelle des ZTD Principe général : Minimisation d une fonction de coût : 1 T 1 1 T J( x) = ( x xb ) B ( x xb ) + y H( x) R 2 2 3DVar (+ temps 4DVar) ( ) ( y H( x) ) 1 x : variable de contrôle x b : ébauche du modèle B : matrice de covariance des erreurs de l ébauche (propage l information) y : observations H : opérateur d observation R : matrice de covariance des erreurs d observation Opérateur d observation pour ZTD : Intégration verticale de la réfractivité : ZTD = 10 6 z 0 k 1 p T v dz + 10 6 z 0 kʹ 2 e T + k 3 e T 2 dz k 1, k 2, k 3 : constantes z : altitude z 0 : altitude de la station GPS T : température T v : température virtuelle p : pression e : pression partielle de vapeur d eau 4
Observations assimilées Thibaut Montmerle / CNRM-GAME 5 seulement dans Arome
Depuis le 13 avril 2015 : Systèmes déterministes de prévision numérique du temps à Météo-France (couvrant la métropole) Arpege (Courtier et al. ECMWF 1991) o Grille horizontale spectrale étirée couvrant le monde (7,5 km sur la France, 105 niveaux verticaux de 10 m à 0,1 hpa) o Système d assimilation 4DVar avec fenêtres de 6 h Arome-France (Seity et al. MWR 2011) o Modèle non-hydrostatique à domaine limité résolvant la convection profonde (1,3 km, 90 niveaux verticaux de 5 m à 10 hpa) o Couplage toutes les heures avec Arpege o Cycle d assimilation 3DVar horaire avec fenêtres d une heure 6 Assimilation de ZTD : o Assimilation plus fréquente à plus d observations assimilées o Listes blanches mises à jour o Modification de l opérateur d observation dans Arome pour tenir compte de la partie hydrostatique au-dessus du toit du modèle o Nouveaux centres de traitement : NOAA, METG, IGE2,
Prétraitement des observations de ZTD Statistiques d observations de ZTD ébauche du modèle (O B) (monitoring) : o Création d une liste blanche = liste de couples (station, centre de traitement) qui peuvent être assimilés (altitude de la station, distance aux stations voisines, statistiques O B, etc.) o Estimation d une correction de biais statique : moy(o B) o Estimation d une erreur d observation à partir de σ(o B) Criblage des données (thinning) : o Dans le 4DVar : moyenne des observations par intervalle de temps (30 min actuellement) o Dans le 3DVar : on retient l observation la plus proche de l heure d analyse Contrôles de qualité (screening) : o On vérifie que toutes les valeurs sont physiquement acceptables o On vérifie la cohérence des observations en latitude, longitude, altitude et temps o On s assure que l écart à l ébauche (O B) n est pas trop grand 7
Observations de ZTD disponibles 8 Données de ZTD = 0,2 % du nombre d observations total
Contrôle des observations dans Arpege σ(o B ) σ(o A) moy(o B) moy(o A) Ancienne chaîne opérationnelle Chaîne opérationnelle actuelle 13 avril 2015 Les données de ZTD assimilées ont crû d un facteur 2,5. 9
Contrôle des observations dans Arome σ(o B ) σ(o A) moy(o B) moy(o A) Ancienne chaîne opérationnelle Chaîne opérationnelle actuelle 13 avril 2015 3 fois plus d observations (temporel) 10
Impact des données de ZTD sur les analyses Arome IASI ZTD ancienne chaîne opérationnelle = 1,6 % Surf ZTD ancienne chaîne opérationnelle = 3,8 % Radar ZTD chaîne opérationnelle actuelle = 3,4 % ZTD chaîne opérationnelle actuelle = 5,1 % 11 Nombre d observations IASI Surface Aircrafts SEVIRI GNSS Contenu en information
12 Activités en cours
Contrôle des observations dans Arpege σ(o B ) σ(o A) moy(o B) moy(o A) Chaîne opérationnelle actuelle 14 août 2015 Chaîne en test («double») Nouvelle mise à jour de la liste blanche à plus d observations assimilées 13
Contrôle des observations dans Arome σ(o B ) σ(o A) moy(o B) moy(o A) Chaîne opérationnelle actuelle Chaîne en test («double») 14 août 2015 Nouvelle mise à jour de la liste blanche à plus d observations assimilées 14
VarBC dans Arome-WMed Evaluation d une correction adaptative du biais (prédicteurs : constante + eau précipitable + Z1000-300 hpa) Cumuls de précipitations sur 24 h 15 Biais constant Var BC 3 semaines BSS_NO 54 km
Réanalyse Arome-WMed : retraitement des ZTD (1/2) Retraitement des ZTD par l IGN à meilleure cohérence, plus de données (Bock et al. QJRMS 2015, voir présentation suivante par Pierre Bosser) Données GPS sur bateau Données GPS utilisées pour la version en temps réel et la 1 re réanalyse d Arome-WMed Données GPS retraitées utilisées pour la 2 e réanalyse d Arome-WMed 16
Réanalyse Arome-WMed : retraitement des ZTD (2/2) Biais (observations prévisions Arome-WMed à 3 h) de ZTD en mm sur un mois (11/09-11/10/2012) Impact de ces différents jeux de données sur les prévisions Arome-WMed en cours d évaluation pour la 2 e réanalyse d Arome-WMed. 17
Impact des données E-GVAP et Univ. Luxembourg Dans le cadre de l action Cost ES1206 GNSS4SWEC : évaluation de l impact des données GPS E-GVAP dans la version opérationnelle d Arome + données additionnelles de l Université de Luxembourg UL01 (Mahfouf et al. Tellus A 2015) Scores d Arome pour les précipitations cumulées sur 24 h (évaluation sur la France 07-08/2013) NOGPS E-GVAP E-GVAP + UL01 18
Merci de votre attention!
References (1/2) Bock, O., P. Bosser, R. Pacione, M. Nuret, N. Fourrié, A. Parracho, 2015 : A high quality reprocessed ground-based GPS dataset for atmospheric process studies, radiosonde and model evaluation, and reanalysis of HyMeX Special Observing Period. Q. J. R. Meteorol. Soc., DOI : 10.1002/qj.2701. Accepté. Boniface, K., 2009 : Quantification de la vapeur d eau atmosphérique par GPS et apport à la prévision des événements cévenols. Thèse de doctorat de l Université de Montpellier II, 30 octobre 2009, 215 p. Boniface, K., V. Ducrocq, G. Jaubert, X. Yan, P. Brousseau, F. Masson, C. Champollion, J. Chery, E. Doerflinger, 2009 : Impact of high-resolution data assimilation of GPS zenith delay on Mediterranean heavy rainfall forecasting. Ann. Geophys., 27, 2739-2753. Disponible en ligne ici : http://www.ann-geophys.net/27/2739/2009/. Brenot, H., 2006 : Potentiel de la mesure GPS sol pour l étude des pluies intenses méditerranéennes. Thèse de doctorat de l Université Joseph Fourier, 18 janvier 2006, 281 p. Brenot, H., V. Ducrocq, A. Walpersdorf, C. Champollion, O. Caumont, 2006 : GPS zenith delay sensitivity evaluated from high-resolution numerical weather prediction simulations of the 8 9 September 2002 flash flood over southeastern France. J. Geophys. Res., 111(D15105), DOI : 10.1029/2004JD005726. Courtier, P., C. Freydier, J.-F. Geleyn, F. Rabier, M. Rochas, 1991: The Arpege project at Météo-France. In Numerical Methods in Atmospheric Models. ECMWF, Reading, UK, 193 231. Mahfouf, J.-F., F. Ahmed, P. Moll, F. N. Teferle, 2015: Assimilation of zenith total delays in the AROME France convective scale model: a recent assessment. Tellus A, 67, doi: 10.3402/tellusa.v67.26106 Poli, P., P. Moll, F. Rabier, G. Desroziers, B. Chapnik, L. Berre, S. B. Healy, E. Andersson, F.-Z. El Guelai, 2007: Forecast impact studies of zenith total delay data from European near real-time GPS stations in Météo-France 4DVAR, J. Geophys. Res., 112, D06114, doi:10.1029/2006jd007430. Poli, P., J. Pailleux, V. Ducrocq, P. Moll, F. Rabier, M. Mauprivez, S. Dufour, M. Grondin, F. Carvalho, J.-L. Issler, A. De Latour, L. Ries, 2008 : Meteorological applications of GNSS from space and on the ground. Inside GNSS, http://www.insidegnss.com, Nov-Dec 2008, 30-39. 20
References (2/2) Seity, Y., P. Brousseau, S. Malardel, G. Hello, P. Bénard, F. Bouttier, C. Lac, V. Masson, 2011: The AROME-France convective scale operational model. Mon. Wea. Rev., 139(3), 976-991. DOI: 10.1175/2010MWR3425.1 Yan, X., V. Ducrocq, P. Poli, G. Jaubert, A. Walpersdorf, 2008 : Mesoscale GPS zenith delay assimilation during a Mediterranean heavy precipitation event. Adv. Geo., 17, 71-7. Disponible en ligne ici : http://www.adv-geosci.net/17/71/2008/. Yan, X., 2009 : Assimilation de données GPS pour la prévision de la convection profonde. Thèse de doctorat de l Université de Toulouse, 10 mars 2009, 122 p. Yan, X., V. Ducrocq, P. Poli, M. Hakam, G. Jaubert, A. Walpersdorf, 2009 : Impact of GPS zenith delay assimilation on convective scale prediction of Mediterranean heavy rainfall. J. Geophys. Res., 114, D03104, DOI : 10.1029/2008JD011036. Yan, X., V. Ducrocq, G. Jaubert, P. Brousseau, P. Poli, C. Champollion, C. Flamant, K. Boniface, 2009 : The benefit of GPS zenith delay assimilation to high-resolution quantitative precipitation forecasts : a casestudy from COPS IOP 9. Q. J. R. Meteor. Soc., 135(644), 1788-1800, DOI : 10.1002/qj.508. 21