Transcript
Page 1: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

1

ADOMOCAAssimilation de Données dans

des Modèles de Chimie Atmosphérique

P. RicaudLaboratoire d’Aérologie

Toulouse

D. CariolleCERFACSToulouse

Page 2: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

2

Plan

• Historique

• Outil

• Science

• Futur

Page 3: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

3

Historique• Atelier Novembre 2003

– Communauté « chimie atmosphérique »• Etat des lieux des travaux engagés en assimilation

– Outils d’assimilation• Séquentiel, 3D-VAR, 4D-VAR

– Modèles chimiques• ROSE, MIMOSA, MOCAGE, LMDz, MIPLASMO, REPROBUS, MOZART,

MESO-NH, RAMS, CHIMERE– Jeux de données

• Satellites : UARS, ENVISAT, Odin, MOPITT, GOME, IASI• Ballons, avions

• Comment appréhender les incontournables à venir ?– Jeux de données

• ENVISAT, AURA, IASI, futur sondeur troposphère, futur sondeur UTLS– Europe : GMES, SAF O3, les programmes ASSET, SCOUT-O3,

ACCENT, AMMA, …– Pôle de Compétence Thématique Ether– Relations recherche produits systématiques produits opérationnels

Page 4: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

4

Centres d’Expertises :Opérateurs d’obs

modèles directs et méthodologie

Satellites :GOMOS, Odin,

MOPITT, …

Modèles : REPROBUS, MIMOSA, …

PALM

ChaînesD’assimilation

2 Chaînes Palmées:MOCAGE & MSDOL/REPROBUS

MOCAGE & LMDz-REPROBUS

Recherche : Autres chaînes dans chaque labo

OpérationnelGMES

Non OpérationnelASSET, SAF O3Liens

Externes

Organisation -1-

Méthodologie:Filtre de Kalman,

3DFGAT, 4DVAR

Ether

Page 5: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

5

Organisation -2-

• 7 Laboratoires– LA, CNRM, CERFACS, SA, LISA, LSCE et

l’entreprise Noveltis– 2 composantes : Toulouse & Paris

• ~50 chercheurs, post-docs et étudiants– 10 personnes à temps plein

• Réunions– 1 par an à Toulouse ou Paris– 4-5 formations PALM au CERFACS

Page 6: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

6

LEFE-ASSIM & LEFE-CHAT• 1 proposition LEFE sur 3 ans (2006-2009)

– LEFE-CHAT (Scientifique)• Qualité de l’air (tropo)• Transport de polluants (tropo)• Processus physico-chimiques à l’interface de la troposphère et

de la stratosphère (UTLS)• Bilan de l’ozone (stratosphère)

– LEFE-ASSIMILATION (Outil)• Maquette PALM (V1 V4)• Palmérisation de MOCAGE et de LMDz-REPROBUS• 3DFGAT, 4D-VAR, Kalman

• Demandes parallèles (ressources humaines & données)– TOSCA (IASI) : CDD & mesures spatiales– Ether : CDD & mesures spatiales en entrée et champs

assimilés en sortie

Page 7: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

7

Financement LEFEs

• 2006 : 17,8 k€

• 2007 : 35,8 k€

• 2008 : 30 k€

• 2009 : 12 k€

• Solde : 8,9 k€

• Total : 104,5 k€

Page 8: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

8

Liens avec le Pôle de Compétence Thématique de Chimie Atmosphérique Ether

• Les champs de mesures spatiales en entrée de nos études d’assimilation

• Des champs de mesures annexes (satellite, avion et sol) durant la phase de validation des champs assimilés PALMés,

• Les outils nécessaires (fichiers de forcage, sources, scripts…) à la mise en œuvre de la chaîne PALMée MOCAGE sur plate-forme locale,

• Fourniture des champs de constituants assimilés PALMés.

• Différentes versions de la maquette MOCAGE-PALM

Page 9: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

9

Outils d’assimilation• Composante toulousaine (CNRM, CERFACS, LA)

– V1 disponible sur Ether• MOCAGE 2°x2°, 3D-FGAT, juillet 2003, O3 MIPAS, 47 ou 60

niveaux• CARIOLLE, REPROBUS ou RACMOBUS

– V2 disponible sur Ether (2004)• Parallélisation de MOCAGE, PV en sortie, NetCDF, visualisation

avec Ferret– V3 (2007)

• Diffusion, opérateur d’Obs NOVELTIS, colonnes totales et/ou tropo, linéarisation CO et HNO3, RELACS, multi-capteurs

– V4 (2008) disponible sur ETHER + document explicatif• Corrélations horizontale et verticale, colonnes totale et/ou partielle,

optimisation de la mémoire (obs, covariances d’erreur, averaging kernels), modèle linéaire (O3, CO, traceur froid, HNO3)

• Composante parisienne (SA)– PALMérisation de LMDz-REPROBUS– Assimilation 3DFGAT de mesures MIPAS O3 avec LMDz-PALM– Même étude avec MOCAGE-PALM au SA et intercomparaison

Page 10: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

10

Canevas PrePALM pour LMDz-REPROBUS

Cugnet et al.

Page 11: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

11

The linearized ozone scheme (Cariolle et al.) ECMWF

rO3 / t = A1 + A2 (rO3

- A3) + A4 (T – A5) + A6 ( - A7) + A8 rO3

A1 = (P-L) : Production-Loss rate

A2 = (P-L) / rO3

A3 ; rO3 : ozone mixing ratio

A4 = (P-L) / T

A5 ; T : temperature

A6 = (P-L) /

A7 ; : ozone column

A8 = - Khet x

/ t = 1/1 (1-x) – 1/ 2 x [Traceur Froid]

With 1 equal to a few hours and 1/ 2 =0 if T<195 K

And 2 equal to several days (rate of HNO3 destruction) and 1/ 1 =0 if T> 195KThe linearized CO and HNO3 schemes

rx / t = A1 + A2 (rx - A3) + A4 (T – A5)

A1 = (P-L) : Production-Loss rate

A2 = (P-L) / rx

A3 ; rx : CO or HNO3 mixing ratio

A4 = (P-L) / T

A5 ; T : temperature

Page 12: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

12

v2 without cold tracer

v2 with cold tracer

Cariolle et al.

Page 13: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

13

Paramètres clés

• Résolution (observation et modèle)– Horizontale– Verticale

• Diffusion (modèle)– Horizontale– Verticale

• Erreurs (observation et modèle)• Echantillonage (observation et modèle)

– Temporel• Variation diurne

– Spatial• Super-observations

• Débiaisage (observation)– Multi-capteurs– Limbe & nadir

Page 14: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

14

Barret et al.

Résolution Verticale

Mesures MOPITT

MOCAGE avec

Résolution

MOPITT

MOCAGE

Vertical sensitivity

limbe

nadir

Page 15: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

15

Résolution Horizontale

IASI CO, octobre 2008, 1 jour MOPITT CO, octobre 2008, 1 jour

Clerbaux et al.

Page 16: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

16

Super-observations

• Une super-observation représente toutes les observations présentes dans une maille du modèle pendant la durée d’une fenêtre d’assimilation (30 minutes)

• Comment calculer la valeur de super-observation, son erreur et sa fonction de poids ?

– Super-observation : • moyenne pondérée par l’erreur

– L’erreur de super-observation :• l’erreur moyenne pondérée

– Fonction de lissage :• la fonction associée à la première observation dans la maille

Nobs

i i

i

Nobs

i i

ii

nobservatioer

y

yy

y

1

2

1

2

_sup

)1(

)1(

)

)1(

1( 1

2

_sup_sup Nobs

yy

Nobs

i i

i

nobservatioernobservatioer

Clerbaux et al.

Page 17: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

17

Biais sur la Colonne Totale O3

Massart et al.

sans assimilationassimilation de MLS & SCIAMACHY

MOCAGE vs. OMI MOCAGE-PALM vs. OMI

Profils verticaux O3 AURA/MLS

Colonne Totale O3 SCIAMACHY

Page 18: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

18

Colonne Totale vs. Profil vertical

H

écart

assim.

écart

assim.

H

Piacentini et al.

Page 19: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

19

Représentations: O3

Piacentini et al.

Page 20: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

20

Représentations: CO

Piacentini et al.

Page 21: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

21

Programme scientifique initial

• Assimiler une même espèce chimique provenant de plusieurs capteurs spatiaux différents dans la troposphère ou la stratosphère (O3 et CO) oui

• Coupler les mesures stratosphérique et troposphérique pour une même espèce chimique provenant de plusieurs capteurs spatiaux différents (O3, CO et HNO3) oui

• Assimiler plusieurs espèces chimiques de la même famille provenant de plusieurs capteurs spatiaux différents (NOy, Cly) non

• Assimiler les mesures directes (températures de brillance, radiances) non

• Fournir des champs prévisionnels de constituants chimiques (O3, CO) oui

• Etudier l’impact de l’assimilation de traceurs chimiques (O3) sur l’assimilation et la prévision météorologique (vents dans la basse stratosphère, rayonnement,…) oui

Page 22: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

22

Trou d’ozone arctique

El Amraoui et al.

Page 23: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

23

Assimilation H2O stratosphérique

ECMWF

BASCOE

MIMOSA

Climatologie

Bekki et al.

Page 24: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

24

Etude de l’impact dynamique de l’assimilation 4D-Var d’ozone (traceur passif advecté) dans ARPEGE, Peuch et al. 2000 :

-OSSE : intérêt potentiel des colonnes totales d’ozone TOVS

-Impact positif sur les analyses et prévisions météorologiques : nécessité des observations d’ozone plus fréquentes et des ébauches d’ozone de bonne qualité.

>> Continuité :

Assimilation des profils d’ozone d’AURA/MLS dans ARPEGE

Ebauche d’ozone fournie par MOCAGE

>> Objectif

Evaluer l’impact sur l’analyse et la prévision météorologique.

Impact dynamique d’ozone en mode 4D-Var

Semane et al.

Page 25: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

25

Diagnostic OMF(u,v): CTL/MLS

Semane et al.

Analyses Assimilation O3 d’AURA/MLS en 4DVAR

Page 26: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

26

Assimilated MLS CO at 200 hPa(07/2006)

Transport pathways of chemicals from Asia to AfricaCarbon monoxide from Barret et al., ACP, 2008.

Simulation / assimilation / in-situ COAveraged over 15-25°N

MOZAIC

MOCAGE

MOCAGE-MLS

Da

y o

f J

uly

20

06

anomalous CO transport from Asia to Africa

by the TEJ

Barret et al.

Page 27: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

27

Colonne Totale de CO IASI assimilé dans LMDz-Filtre de Kalman-

Observations Simulation 1 Simulation 2

croissance d’erreur = 0.01*CO

croissance d’erreur = 0.005*CO

Clerbaux et al.

Page 28: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

28

Synthèse

• Interactions fortes – Toulouse vs. Paris – Outils vs. Science

• 2 Chaînes d’assimilation – MOCAGE-PALM– LMDz-REPROBUS-PALM

• Mesures spatiales hétérogènes– Nadir : MOPITT, IASI, OMI, etc.– Limbe : MLS, MIPAS, ODIN, GOMOS, etc.

• Espèces chimiques– O3, CO, N2O, H2O

• Profils verticaux, colonnes totale et partielle• 28 publications de rang A

Page 29: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

29

Futur -1-

• Outils– Mise en place de l’assimilation en aire limitée & très haute

résolution– Parallélisation des codes– Assimilation d’espèces chimiques

• HNO3 & H2O• multi-capteurs O3 et CO• plusieurs espèces chimiques de la même famille provenant de

plusieurs capteurs spatiaux différents (NOy, Cly) • simultanément CO O3

– Assimilation d’espèces radiatives (O3, H2O, CH4, …) dans les modèles de climat et de chimie-climat

– Assimilation de mesures directes (températures de brillance, radiances)

– Assimilation 4D-VAR– Prévision d’ensemble

Page 30: ADOMOCA Assimilation de Données dans des Modèles de Chimie Atmosphérique

30

Futur –2-

• Programme scientifique– IASI– Qualité de l’air (tropo)

• Etudes théoriques sur plateformes geo/leo

– Transport de polluants (troposphère)– Processus physico-chimiques à l’interface de la

troposphère et de la stratosphère (UTLS)– Bilan de l’ozone (stratosphère)

• Nouvelle proposition aux LEFEs en 2009– Atelier « Bilan & Prospectives » au printemps 2009


Recommended