23.06.2013 Views

mémoire - Centre National de Recherches Météorologiques

mémoire - Centre National de Recherches Météorologiques

mémoire - Centre National de Recherches Météorologiques

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!