Algorithmes variationnels dans le modle ALADIN - PowerPoint PPT Presentation

1 / 15
About This Presentation
Title:

Algorithmes variationnels dans le modle ALADIN

Description:

Algorithmes variationnels dans le mod le Aladin. Algorithmes variationnels dans le mod le ... le mod le adjoint peut apparemment faire ressortir des directions ... – PowerPoint PPT presentation

Number of Views:90
Avg rating:3.0/5.0
Slides: 16
Provided by: hor119
Category:

less

Transcript and Presenter's Notes

Title: Algorithmes variationnels dans le modle ALADIN


1
Algorithmes variationnels dans le modèle ALADIN
  • Claude Fischer,
  • En volant les résultats des autres

2
  • Statistiques derreurs débauche  le Jb 
  • Cycles dassimilation
  • Observations
  • Modèles TL/AD étude de sensibilité sur les
    précipitations
  • Conclusions générales

3
Impact des statistiques du Jb méthode NMC
standard v/s lagged (iroka etal., MAP, sous
presse Bölöni, HMS Jb hongrois)
  • 1. Décalage du maximum de variance -gt le
    Jb  lagged  agit comme un filtre passe-bande
  • 2. Réduction de la variance totale -gt le
    Jb  lagged  produit des incréments danalyse
    plus petits

4
Incréments danalyse T niveau 41
5
Cycles dassimilation Blending et BlendVar
(Brokova etal., 2001, Bölöni et iroka, 2001)
Analyse Arp
LBC0
LBC1
Ald 6h fct
Blending mélange des grandes échelles analysées
dArpège avec les petites échelles présentes dans
la prévision Aladin à travers un filtre
 spatio-temporel  filtres digitaux à basse
résolution. Combinaison linéaire des champs de
surface
Analyse 3D-VAR Aladin J Jb Jo Plusieurs
formulations du Jb Jb standard (grandes
échelles) Jb lagged (méso-échelle)
6
Etude de la POI 14 de MAP en utilisant des cycles
de Blending et de BlendVar (Vincent Guidard, ENM)
3D-VAR sans Blending Dans la dernière étape
Cycle BlendVar de 24h
Cumul des précipitations sur 6h, entre les
échéances 12 et 18h
7
Etude de la POI 14 de MAP en utilisant des
cycles de Blending et de BlendVar (Vincent
Guidard, ENM)
Composite de précipitations en surface
Capteur micro-ondes SSMI
8
Utilisation de nouvelles sources dobservations
(S. Kertesz, HMS, M. Juraek, SMHI, V. Guidard,
ENM)
  • données avion plus denses diminuer la taille
    des boîtes du  thinning  des données AIREP
    quelques inconsistances sont possibles.
  • analyses des données de couche-limite premières
    expériences avec lhumidité relative à 2m, qui
    génère des incréments avec une certaine portée
    horizontale et verticale -gt davantage détudes
    seront nécessaires (pénétration verticale de
    lincrément, intensité, opérateur dobs et
    découplage CLA/altitude)
  • pseudo-profils dhumidté dérivés dimagerie
    MeteoSat (les profils dhumidité sont générés de
    manière empirique à partir dune classification
    nuageuse et dinformations supplémentaires)
    impact semble positif sur le cas MAP/POI 14 -gt
    Collaborations GMME/Maroc.
  • -gt voir le poster de Vincent Guidard !
  • radiances brutes démarrage en 2003 -gt coll.
    ALADIN/AROME

9
Modèles TL/AD étude de sensibilité sur les
précipitations
Calcul dun gradient p/r aux conditions
initiales, sur 6 heures dintégration du modèle
adjoint, et utilisation dune version de la
physique simplifiée dArpège (diffusion
verticale, traînée orographique et précipitations
de GE)

27
18
  • Objectif améliorer la prévision des
    précipitations sur 6h, voire 12 h déchéance

10
Doù provient la modification des précipitations ?
Premières 6h
10
16
  • Lactivité du système est diminuée dans les
    premères 6h (par réduction de la CAPE), ce qui
    permet à un système convectif  secondaire  de
    se déclencher plus tard
  • Toutes les situations étudiées ne donnent pas un
    signal aussi positif !!

11
Sensibilité aux C.I. et modification des C.I. en
utilisant le modèle adjoint (Cornel Soci, Alatnet
PhD)
  • Leçons
  • beaucoup de problèmes rencontrés avec la
    physique simplifiée à 10km de résolution
  • réglage des paramètres
  • instabilités numériques (not. pluies
    stratiformes)
  • coût numérique
  • certains cas étudiés sont sensibles aux C.L.L.
    ou aux déficiences du modèle de prévision
  • situations convectives
  • non linéaires importance de lamplitude des
    perturbations
  • le modèle adjoint peut apparemment faire
    ressortir des directions instables, mais na pas
    besoin dune analyse vérifiante à linstant de
    vérification -gt conclusion  anti-4D-VAR  et
     pro-ensembliste  ?

12
Conclusions générales
  • Matrice  B 
  • améliorer/maitriser encore davantage les
    fonctions de structure bipériodisation,
    multivarié/monovarié,
  • dépendance latitudinale,
  • réglage des variances derreur plus objectif -gt
    thèse de Wafaa Sadiki sur la validation a
    posteriori

Sb Jbmin/Tr(KH) So Jomin/Tr(Ip-HK)
13
Conclusions générales (2)
  • Matrice  B  (suite)
  • Long terme Jb ondelette (A. Deckmyn, IRM
    Bruxelles)
  • Utilisation (très) progressive de données
    innovantes
  • Les 3 piliers du 3D-VAR/Aladin
  • expertise scientifique,
  • installation locale Toulouse, Prague, Budapest,
    Casablanca
  • maintenance centrale ODB, phasage avec IFS
  • Maintien  en veille  des modèles TL/AD
    nécessité de développer la version
    semi-lagrangienne de ladvection comme dans
    Arpège/IFS
  • Interaction avec le projet AROME

14
Intercomparaisons de cycles dassimilation
standard v/s varblend v/s blendvar (M.
iroka G. Bölöni, V. Guidard, S. Alexandru)
  • cycle  standard  couplage homogène dans
    lespace (LBC0AldAnaIC), Jb standard (grandes
    échelles),
  • -gt Il est nécessaire dappliquer un filtre
    digital à lintérieur du cycle
  • -gt le Jb standard augmente les risques  dorages
    point-de-grille 
  • cycles  varblend /  blendvar  couplage
    homogène dans le temps (LBC0ArpAna/IC), Jb
    méso-échelle,
  • -gt Aucun filtre nest à appliquer à lintérieur
    de ces cycles
  • -gt un filtre incrémental en mode production est
    souhaitable, un simple filtre digital après une
    analyse 3D-VAR est A PROSCRIRE.
  • -gt  blendvar  produit des scores sensiblement
    meilleurs
  • -gt lincrément danalyse est davantage confiné à
    la méso-échelle
  • -gt les problèmes de  retour en zone  dus à la
    bipériodisation sont réduits mais pas éliminés !

15
Sensibilité aux conditions initiales et
modification des C.I. en utilisant le modèle
adjoint (Cornel Soci, Alatnet PhD)
C.I.
Prévision
C.I. meilleures
Prévision améliorée
Sensibilité de P - T P/r aux C.I.
Sensibilité de P - T
 Truth  (Analyse)
Write a Comment
User Comments (0)
About PowerShow.com