EURO4MEuropean Reanalysis and Observations For

Monitoring

E. Bazile (CNRM/GMAP)CNRM/GMAP : Cornel Soci, J.F. Mafhouf, F. Bouyssel, F. TailleferCNRM/GMME: E. Martin. CNRM/CEN: Y. Durand DCLIM: F. Mounier, F. Besson, A.L. Gibelin, P. Lassègues, J.P. Céron

Atelier sur la Fusion de Données

Toulouse 18 Octobre 2011

Plan

Contexte du projet, les objectifs, les partenaires, etc …

Les objectifs de Météo-France dans EURO4M

CNRM : Les développements sur l’analyse 2D

DCLIM : exposé de Flore Mounier

Conclusions

EURO4M (www.euro4m.eu)

Début le 1er Avril 2010 pour 4 ans: ‘to develop the capacity for, and deliver the best possible and most complete (gridded) climate change time series and monitoring services covering all of Europe’ 

Programme EU FP7 THEME 9 “SPACE”

9 participants: KNMI (Project Leader A.K. Tank) , Met Office (UK, ), University Rovira i Virgili (URV, Spain), National Meteorologiccal Administration (NMA, Roumania), Meteo Swiss (MS), Deutscher Wetterdienst (DWD), SMHI (Suède), University of East Anglia (UEA, UK), Météo-France

•Les délivrables:

• séries temporelles des données observées et ré-analyses 3D sur au moins 20 ans

• données pour la recherche et « applications sector users » : ECV (Essential Climate Variables): Tsurf, RR(jour), Pression, bilan radiatif de surface, vent (mod et dir), Qv. Atmo.: bilan radiatif, T, vent, Qv, propriétés des nuages (?)

•Fournir et promouvoir les données et les produits du changement climatique au grand public, décideurs etc … CIB (Climate Indicator Bulletin)

Global Monitoring for Environment and Security (EC/ESA)

GEOLAND2 MyOcean MACC SAFER G-Mosaic EURO4M, etc ???

EURO4M (www.euro4m.eu)

EURO4M (www.euro4m.eu)

• WP1: Regional observation datasets ( UEA: Phil Jones)

•WP1.1 Gridded datasets-stations (MS) MF (DCLIM)

•WP1.2 Gridded datasets-remote sensing (DWD)

•WP1.3 Data coordination (URV)

•WP2: Regional Analysis ( MO : Dale Barker)

•WP2.1 Advanced regional data assimilation (MO: 1-48) : 4Dvar 15-25km

•WP2.2 Dynamical downscaling of ERA (SMHI: 1-48) 3dVar 22km période plus longue que WP2.1

•WP2.3 2D-mesoscale downscaling (MF) < 10km

•WP2.4 Evaluation (MS) MF

•WP3: user oriented information/products ( NMA: Roxana Bojariu)

•WP4 : project management (KNMI:Albert Klein Tank)

EURO4M (www.euro4m.eu)

Météo-France dans EURO4M

Post-doc DCLIM Flore Mounier Mars 2012, CNRM Cornel Soci Septembre 2012 (financement pour 2ans en plus)

DCLIM dans WP1.1 travail sur le contrôle de qualité, homogénéisation des contrôles, contrôle des pluviomètres avec les données radar (expose de F. Mounier)

CNRM WP2.3 et WP2.4: production d’une analyse 2D à échelle fine (~5km ou moins) sur l’Europe. Utilisation des champs analysés pour forcer SURFEX afin de produire une climatologie de neige, eau du sol, flux d’évaporation etc .. Validation des flux de surface sur des sites de mesures types Sodankyla, Cabauw et Lindenberg. Utiliser les ré-analyses 3D faites par le SMHI à 22Km et faire une

descente d’échelle (~5km) en essayant d’utiliser plus d’observations (réseaux secondaires) contrôlées par le WP1.

Profiter de ce projet pour avoir un système d’analyse 2D qui puisse remplacer SAFRAN et répondre aux besoins de ré-analyse

Météo-France dans EURO4M

Outils disponibles à MF: SAFRAN et CANARI et au SMHI (MESAN)

SAFRAN n’est pas facilement transposable et transportable : utilise des zones climatiques homogènes (pas de notion de grille). Système développé spécifiquement pour des besoins montagnes (neiges, avalanches etc ..) analyse de précipitations, rayonnement etc …

CANARI analyse type OI utilisée pour l’analyse de surface dans ARPEGE/ALADIN et AROME . Pas d’analyse de précipitations pas réellement évalué en zone montagneuse.

MESAN système OI utilisé par le SMHI pour leur re-analyse dans EURO4M. Dispose d’une analyse de précipitations et de fonctions de structures plus élaborées

Une comparaison des 3 systèmes a été effectuée sur la France (Rapport de C. Soci et al , Avril 2011) : SAFRAN fonctionne bien en montagne mais en moyenne sur la France le système MESAN est légèrement meilleur analyse des différences et amélioration de CANARI

d

r

CAN erCorr5.0

)(

)()(2

15.0),,(2

zzppd

r

d

r

zpMES dFdFed

reddrCorr

• test des fonctions de corrélation utilisées dans MESAN tenant compte du relief et de l’indice terre-mer. Impact assez faible en moyenne.

from Haggmark et al, 2000, Tellus, 52A, 2-20.

Développements dans CANARI

- Réglages des écart-types d’erreurs d’observation (o ) et de prévision (b).- Dans CANARI oper b=1.6K, o=1.4K- Expérience: dépendance du bà la saison (8K pour l’hiver et 5k pour l’été), et o=1.5K+ f(T2m) plus de poids aux observations

Incréments d’analyse pour la température de surface

o as a function of T2m (as used at SMHI).

Développements dans CANARI

CANARI Experience

Bilan des expériences (pour l’analyse de T2m):

Biais RMS Nombre d’observation pour la

vérification

CANARIAvec 1290

Obs

-0.008 1.077

~1290

CANARIAvec 430 Obs

-0.003 1.070

~430

-0.006 1.366

~860 indépendan

tes

-0.005 1.274

~1290

EXPERIENCEAvec 1290

Obs

0.026 0.656

~1290

EXPERIENCEAvec 430 Obs

0.024 0.553

~430

0.027 1.393

~860 indépendan

tes

0.026 1.180

~1290

SAFRANAvec 1290

Obs

0.001 0.838

~1290

Evaluation sur 3 mois (Dec 2009-Jan2010, Juin 2010)

Différence d’altitude analyse -observation

T2m Décembre 2009

Amélioration de l’analyse CANARI plus proche des observations en moyenne, attention cependant si la densité des observations n’est pas suffisante.-A faire : Vérification plus fine en montagne, couplage avec (S)IM, etc …- En cours un test un peu extrême : pour SAFRAN, CANARI et CANARI-EXP analyse sans les observations de montagne

2D-mesoscale Downscaling

3D-Var Re-analysis at 22km 60Levels (SMHI) over Europe

2D analysis at 5.5Km

5.5 km over Europe

Downscaling

Thanks to T. Landelius (SMHI)

New and more observations

By adding details with topography and observations should improve the quality …~4000 obs (1200 over France)

Température de surface à 5.5km

- 1440x1152 points, x=5.5 km- Temps de calcul sur NEC-SX9 pour une analyse 1h 30 min sur 1 proc (mémoire: 52 Gb, 35 min sur 4 procs) -Pour 5 ans de ré-analyse toutes les 3h. ~22000 heures de calcul pour 14To de données

Domaine Europe-EURO4M

T2m over Europe

(1 Dec 2009) Bias Std

ARP 15km (operational)-0.18 1.46

Only downscaling 5.5km-0.72 1.50

Reference Analysis 5.5km -0.06 1.13

Apparition des lacs

3D-Var Re-analysis at 22 km 60 Levels (SMHI) over Europe

2D analysis at ~5 Km every 6h or 3h

T2m, Rh2m, Wind, RR

5.5 Km over Europe

Downscaling

observations

SURFEX (V7): Surface Externalized(www.cnrm.meteo.fr/surfex) with a sophisticated snow scheme (Vionet et al. submitted) and the lake model: Flake (Mironov, 2008)

SH , LE, snow depth, snow cover, soil moisture, Ts_lake

SW , LW

Coupling the 2D downscaled analysis and a surface scheme

Conclusions

Projet important pour MF mais aussi pour la communauté PN (ALADIN-HIRLAM) système d’analyse 2D répondant à des besoins de ré-analyses, production de champs de surface pour forcer SURFEX, module hydrologie, routes etc … Objectif : pouvoir proposer un système pour remplacer SAFRAN et MESAN

Mais … pour EURO4M nous devons fournir pour Avril 2014 une analyse 2D au moins à 5km et sur 5 ans sur l’Europe :

– Quelques problèmes : • couplage au GRIB de la ré-analyse du SMHI• observations venant des réseaux secondaires non disponibles dans les

fichiers d’observations classiques• Implémentation sur le calculateur du CEP

– Développement de l’analyse de précipitations dans CANARI, traitement spécifique des lacs, utilisation de la hauteur de neige, Tmin et Tmax pour des re-analyses

– Amélioration de la procédure de downscaling en particulier pour la température