mémoire - Centre National de Recherches Météorologiques
mémoire - Centre National de Recherches Météorologiques
mémoire - Centre National de Recherches Météorologiques
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
28<br />
dans les modèles météorologiques, notamment à Météo-France (Giard et Bazile 2000) et au CEPMMT<br />
(Douville et al. 2000), 2) l’assimilation « off-line » dans laquelle le modèle hydrologique est forcé par<br />
une analyse atmosphérique, à l’instar du système GLDAS 28 (Ro<strong>de</strong>ll et al. 2004) développé par la NASA<br />
à l’échelle globale, ou du système SIM 29 mis en œuvre à Météo-France sur le territoire métropolitain.<br />
L’assimilation « on-line » <strong>de</strong>s observations SYNOP <strong>de</strong> température et d’humidité <strong>de</strong> l’air en<br />
surface a initialement été proposée par Mahfouf et al. (1991). Elle repose sur la sensibilité <strong>de</strong> ces<br />
paramètres à l’HS au cours <strong>de</strong> prévisions atmosphériques à 6 heures. Deux métho<strong>de</strong>s, séquentielle et<br />
variationnelle, ont été proposées pour inverser cette relation <strong>de</strong> dépendance et estimer les incréments<br />
d’eau du sol en fonction <strong>de</strong>s erreurs <strong>de</strong> prévision sur les paramètres météorologiques à 2 mètres. Dans<br />
la pratique, la métho<strong>de</strong> séquentielle est d’abord apparue comme un bon compromis entre coût et<br />
efficacité. Toutes les 6 heures, une analyse <strong>de</strong>s paramètres à 2m est d’abord effectuée grâce à la<br />
technique <strong>de</strong> l’interpolation optimale. Les incréments d’eau du sol sur la grille du modèle sont ensuite<br />
estimés à partir <strong>de</strong>s erreurs <strong>de</strong> prévision sur la température et l’humidité, selon une relation linéaire<br />
empirique dont les coefficients sont fonction <strong>de</strong> l’heure locale et <strong>de</strong>s paramètres sol-végétation. Par<br />
ailleurs, l’HS n’est réellement corrigée que lorsque les conditions météorologiques sont favorables au<br />
principe <strong>de</strong> l’analyse : rayonnement suffisant, absence <strong>de</strong> précipitations et/ou <strong>de</strong> vent fort.<br />
Cette métho<strong>de</strong> a d’abord été testée à l’échelle régionale, grâce aux données <strong>de</strong> la campagne<br />
Hapex-Mobilhy (Bouttier et al. 1993), puis introduite dans l’analyse du modèle météorologique Arpège<br />
par Giard et Bazile (2000). Parallèlement, j’ai passé quelques mois au CEPMMT afin <strong>de</strong> calibrer et<br />
vali<strong>de</strong>r la technique dans la version 1D du modèle atmosphérique IFS 30 grâce aux données <strong>de</strong> la<br />
campagne <strong>de</strong> mesure FIFE 31 (Sellers 1988). Dans un contexte favorable (observations co-localisées<br />
<strong>de</strong>s paramètres météorologiques et du contenu en eau du sol évitant le problème <strong>de</strong> l’analyse <strong>de</strong> la<br />
température et <strong>de</strong> l’humidité à 2m, remplacement <strong>de</strong>s flux radiatifs et <strong>de</strong>s précipitations prévus par <strong>de</strong>s<br />
observations), j’ai pu mettre en évi<strong>de</strong>nce le potentiel <strong>de</strong> cette assimilation séquentielle, qui permet<br />
notamment <strong>de</strong> corriger les biais systématiques du modèle du CEPMMT, en <strong>de</strong>hors <strong>de</strong>s pério<strong>de</strong>s <strong>de</strong><br />
pluie où l’analyse est désactivée (Douville et al. 2000). J’ai également montré que l’analyse pouvait<br />
résister à l’introduction d’erreurs systématiques (suppression ou multiplication par 2 <strong>de</strong>s pluies<br />
observées) ou aléatoires (remplacement <strong>de</strong>s pluies observées par les valeurs prévues) sur les<br />
précipitations (Fig. 2.5). En revanche, les performances sont dégradées lorsqu’on applique un biais<br />
systématique sur le rayonnement solaire inci<strong>de</strong>nt, soulignant l’intérêt d’une analyse préalable <strong>de</strong> la<br />
nébulosité.<br />
Insistons sur la caractère « on-line » <strong>de</strong> cette technique d’assimilation qui nécessite en effet <strong>de</strong><br />
simuler correctement le lien qui existe entre l’HS et les paramètres météorologiques à 2m via les flux <strong>de</strong><br />
chaleur latente et sensible. Indiquons qu’une mise en œuvre « off-line » <strong>de</strong> cette technique avait été<br />
tentée à l’occasion du projet GSWP dans le but <strong>de</strong> produire une climatologie <strong>de</strong> référence du contenu<br />
en eau du sol. L’absence <strong>de</strong> rétroaction <strong>de</strong>s incréments d’HS sur le forçage atmosphérique utilisé<br />
(analyses du CEPMMT) nous avait alors conduit à renoncer à cet objectif ambitieux (Douville et al.<br />
1999). Un couplage <strong>de</strong> chaque maille GSWP avec un modèle atmosphérique 1D, à la manière <strong>de</strong>s tests<br />
d’assimilation que j’ai ensuite réalisés au CEPMMT, aurait été plus pertinent et aurait probablement<br />
permis d’atteindre l’objectif que nous nous étions fixé, au moins pour les régions bénéficiant d’un<br />
réseau SYNOP <strong>de</strong> <strong>de</strong>nsité suffisante.<br />
28 Global Land Data Assimilation System<br />
29 Safran-ISBA-Modcou<br />
30 Integrated Forecast System<br />
31 First ISLSCP Field Experiment