page 1 assimilation de données océaniques pour la prévision saisonnière philippe rogel, anthony...
Post on 03-Apr-2015
104 Views
Preview:
TRANSCRIPT
Page 1
Assimilation de données océaniquespour la prévision saisonnière
Philippe Rogel, Anthony Weaver
Nicolas Daget, Eric Machu, Eric Maisonnave,
Sophie Ricci
Plan:
Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières
Page 2
Assimilation de données océaniquespour la prévision saisonnière
Philippe Rogel, Anthony Weaver
Nicolas Daget, Eric Machu, Eric Maisonnave,
Sophie Ricci
Plan:
Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières
Page 3
Développement d’OPA-VAR
OPA-VAR : Des systèmes d’assimilation variationnelle (3D-Var et 4D-Var) autour du modèle OPA.
Recherche associée : Aspects théoriques et algorithmiques en assimilation variationnelle. Applications aux (re-)analyses océaniques et à la prévision saisonnière.
Projets ENACT (EC-FP5), début 2002 – début 2005 (+ 6 mois?) GMM, 2002 – 2004 PNEDC, 2002 – 2004 ENSEMBLES (EC-FP6), début 2005
Page 4
Le système OPA-VAR (bilan 1)(Weaver et al. 2003, MWR)
OPA version 8.2 Configuration globale (ORCA2) : surface libre, sans glace Configuration pacifique tropicale
Modèles linéaire-tangent et adjoint pour OPA 8.2 (OPA-TAM)* Physiques simplifiées pour la diffusion (verticale, isopycnale, ‘eddy-
induced’, ‘double’) Développement d’un solveur elliptique spécifique pour l’adjoint en global
(C. Deltel, LODYC)
* Maintenance prévue par ESOPA au LODYC.
Page 5
Le système OPA-VAR (bilan 2)
3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo
Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes
‘Initialisation’ : filtrage des ondes de gravités Pour 3D-Var : ‘Incremental updating’ Pour 4D-Var : filtre numérique comme contrainte faible (J = Jb + Jo + Jc)
(C. Jauffret, stage IENM)
Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)
Page 6
Le système OPA-VAR (bilan 2)
3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo
Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes
‘Initialisation’ : filtrage des ondes de gravités Pour 3D-Var : ‘Incremental updating’ Pour 4D-Var : filtre numérique comme contrainte faible (J = Jb + Jo + Jc)
(C. Jauffret, stage IENM)
Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)
Impact du terme Jc : expériences à une seule obs
Période de coupure du filtre = Tc
Tc = 4 jours Tc = 6 joursTc = 5 jours
Atténuation des ondes d’inertie-gravité :Incrément de vitesse verticale
Atténuation de l’onde de Kelvin :
Tc = 4 jours Tc = 6 joursTc = 5 jours
Incrément de temperature
10/01
20/01
30/01
01/01
Tem
ps
10/01
20/01
30/01
01/01
Tem
ps
Page 8
Le système OPA-VAR (bilan 2)
3D-Var (FGAT) et 4D-Var incrémental Minimiser J = Jb + Jo
Etat initial (T, S, u, v, SSH) comme variables de contrôle Boucles internes/externes
‘Initialisation’ : filtrage des ondes de gravités Pour 3D-Var : ‘Incremental updating’ Pour 4D-Var : filtre numérique comme contrainte faible (J = Jb + Jo + Jc)
(C. Jauffret, stage IENM)
Minimisation Quasi-Newton à mémoire limitée (M1QN3) Gradient conjugué préconditionné (CONGRAD) (S. Gratton, ALGO)
Page 9
Le système OPA-VAR (bilan 3)
La matrice de covariance d’erreur d’ébauche (B)
Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée.(Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse )
Paramétrisation de variances inhomogènes et en fonction de l’ébauche.
Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation.(Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)
Page 10
Le système OPA-VAR (bilan 3)
La matrice de covariance d’erreur d’ébauche (B)
Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée.(Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse )
Paramétrisation de variances inhomogènes et en fonction de l’ébauche.
Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation.(Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)
GDE generated correlation functionssolved implicitly with a direct matrix solver (collab. L. Giraud, ALGO)
Example: T-T correlations at the equator
Page 12
Le système OPA-VAR (bilan 3)
La matrice de covariance d’erreur d’ébauche (B)
Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée.(Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse )
Paramétrisation de variances inhomogènes et en fonction de l’ébauche.
Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation.(Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)
Page 13
Le système OPA-VAR (bilan 3)
La matrice de covariance d’erreur d’ébauche (B)
Modélisation de fonctions de corrélations à travers une équation de diffusion généralisée.(Weaver & Courtier, 2001, QJRMS ; Weaver & Ricci, 2004, Proc. ECMWF ; Ricci 2004, thèse )
Paramétrisation de variances inhomogènes et en fonction de l’ébauche.
Covariances multivariées entre T, S, u, v et SSH à travers des contraintes physiques d’équilibre et de conservation.(Ricci et al. 2003, soumis MWR ; Ricci 2004, thèse ; E. Machu, CERFACS)
Multivariate covariance structures
Example: covariance relative to a SSH ( point at (0o,144oW)
Page 15
Le système OPA-VAR (bilan 4)
Observations Opérateurs d’observation (interpolation horizontale et verticale)
pour in situ T et S, SSH et SST (D. Bari, IENM).
In situ T et S : base de données d’ECMWF et d’ENACT Altimétrie et MSSH : base de données de CLS (C. Deltel, LODYC) * Formulation simple (diagonale) de la matrice de covariance d’obs (R)
Diagnostics internes de l’assimilation Expériences à une seule observation ou à un seul profil Statistiques sur l’ébauche–obs. (innovations), l’analyse–obs. (résidus), et les
incréments d’analyses Analyse de budget (Ricci 2004, thèse)
Scripts génériques pour enchaîner OPA-VAR sur plusieurs années* Développements en cours d’intégration dans les sources d’OPAVAR au CERFACS
Page 16
Assimilation de données océaniquespour la prévision saisonnière
Philippe Rogel, Anthony Weaver
Nicolas Daget, Eric Machu, Eric Maisonnave,
Sophie Ricci
Plan:
Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières
Page 17
Production et évaluation d’analyses océaniques
Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période 1993-98.(Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ;
Ricci, 2004, thèse)
Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période
1993-99.(P. Rogel, DEMETER)
Page 18
Production et évaluation d’analyses océaniques
Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période 1993-98.(Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ;
Ricci, 2004, thèse)
Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période
1993-99.(P. Rogel, DEMETER)
Impact of in situ T data assimilation on the mean zonal velocity (tropical Pacific model)
1993-96 climatology
Page 20
Production et évaluation d’analyses océaniques
Analyses 3D-Var et 4D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration pacifique tropicale sur la période 1993-98.(Weaver et al. 2003, MWR ; Vialard et al. 2003, MWR ; Ricci et al. 2003, soumis MWR ;
Ricci, 2004, thèse)
Analyses 3D-Var en assimilant des données in situ de température (GTSPP – ECMWF) dans la configuration globale sur la période
1993-99.(P. Rogel, DEMETER)
Impact of in situ T data assimilation on the mean salinity state (global model)
3D-Var univariate (T)
Control (DEMETER)
Impact of in situ T data assimilation on the mean salinity state (global model)
3D-Var multivariate (T, S, u, v, SSH)
Control (DEMETER)
Page 23
D’autres collaborations autour
d’OPA-VAR
Tension de vent comme variables de contrôle(Vossepoel et al. 2004, MWR)
Flux de chaleur, E-P et tension de vent comme variables de contrôle
(C. Deltel, thèse)
Etudes sur des perturbations optimales des modèles couplés
(Moore et al. 2003, J. Clim.)
Initialisation des modèles couplés
(Tang et al. 2003, Geophys. Res. Lett.)
…
Page 24
Développement d’OPA-VAR et son exploitation
Perspectives Continuer à développer et améliorer la chaîne OPA-VAR
Aspects scientifiques : B
Mise en place des nouveaux modèles de corrélations (diffusion implicite, coordonnées isopycnales, …)
Méthode d’ensemble pour estimer les statistiques d’erreur d’ébauche Contrôle de qualité des observations
‘backgound check’ Erreurs non-gaussiennes (‘variational quality control’)
Assimilation de SST (erreurs non-corrélées dan le temps et dans l’espace) Assimilation de l’altimetrie + MSSH observée (importance du biais du
modèle) Meilleurs algorithmes de minimisation (S. Gratton, ALGO)
…
Page 25
Développement d’OPA-VAR et son exploitation
Perspectives Continuer à développer et améliorer la chaîne OPA-VAR
Aspects techniques PALM (N. Daget)
Parallèlisation (MPI, OpenMP)
Production et évaluation des analyses ENACT (puis ENSEMBLES) Stream 1 : 1987-2001 et Stream 2 : 1962-2001 (période ERA40) Expériences de sensibilité
Données différentes assimilées : in situ T ; in situ T et S ; in situ T et S et altimétrie, …
3D-Var vs. 4D-Var Formulations différentes de B …
Page 26
Assimilation de données océaniquespour la prévision saisonnière
Philippe Rogel, Anthony Weaver
Nicolas Daget, Eric Machu, Eric Maisonnave,
Sophie Ricci
Plan:
Développement d’OPA-VAR Production et évaluation d’analyses océaniques Prévisions saisonnières
top related