Mercator Ocean newsletter 09

La lettre trimestrielle de MERCATOR

No 9 - Avril 2003 - page 1

CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM

De PSY1v1 à PSY2v1 : une amelioration sensible du champ de masse

Par Nathalie Verbrugge et Eric Greiner

1. Introduction

Janvier 2003 a été marqué pour MERCATOR par le passage du système opérationnel PSY1v1* à une version plus évoluée : PSY2v1. Le Tableau 1 récapitule les principales différences qui existent entre ces deux prototypes systèmes. On pourra aussi se référer à la lettre trimestrielle MERCATOR précédente pour obtenir plus de détails.

* v1 signifie que l'assimilation est en mode monovarié (seul le niveau de mer est assimilé). C'est le cas des deux prototypes systèmes comparés dans cet article. Le prochain prototype système, PSY1v2, aura un mode d'assimilation multivarié. Le modèle assimilera l'altimétrie, la SST Reynolds et les profils in-situ.

Editorial

Sommaire

Chèr(e) Mercatorien(ne),

Cela fait maintenant 4 mois que vous accédez, à travers les bulletins Mercator, à une vision haute-résolution de l'océan Atlantique Nord et de laMéditerranée grâce au nouveau prototype PSY2v1 et,bien sûr, vous devez vous interroger sur lesperformances de ce nouveau système...

Alors, plongez-vous vite dans les deux articles de cettelettre trimestrielle pour découvrir les premières confrontations PSY2v1/observations in-situ et les analyses des diagnostics d'assimilation. Bonne lecture !

De PSY1v1 à PSY2v1 : une amelioration sensible du champ de masse

1. Introduction 2. Confrontation PSY1v1/PSY2v1/observations : évolution des biais

2.1. Un premier point général 2.2. Zoom sur l'ouest du bassin 2.3. Le gyre subpolaire 2.4. L'est du bassin Atlantique : une région qui interroge...

3. Récapitulatif

Les diagnostics d'assimilation dans PSY2 Introduction 1. La "simulation PSY2" en bref 2. Les diagnostics d'assimilation

2.1. Les différents types de diagnostics 2.2. Le rattrapage temps réel 2.3. Les analyses en temps réel

Conclusion

Bloc Note

http://www.mercator-ocean.fr/html/lettre/lettre_8/page_1.html



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM

De PSY1v1 à PSY2v1 : une amelioration sensible du champ de masse (suite)

Tableau 1 : Principales différences entre les systèmes opérationnels PSY1v1 et PSY2v1.

2. Confrontation PSY1V1/PSY2V1/observations : évolution des biais

2.1. Un premier point général

Descriptif de la méthode

La confrontation entre les deux systèmes, PSY1v1 et PSY2v1, et les observations in-situ porte sur la période d'octobre 2001 à novembre 2002. Sur cette période, nous avons sélectionnés les observations pour chacun des 14 mouillages communs à PSY1v1 et PSY2v1, et estimé le biais moyen des deux configurations du modèle pour les profondeurs de références suivantes : 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700 mètres. On décrit dans la suite la méthode pour le paramètre de température mais la procédure sera exactement la même pour la salinité. Pour calculer les biais, on définit, dans un premier temps, un critère de distance afin de pouvoir sélectionner un nombre représentatif d'observations. On prend la distance D pour laquelle on cumule au moins 10 observations. Le biais local Bloc est donc la moyenne spatiale et temporelle des écarts entre les N observations,

situées à une distance du point de mouillage inférieure ou égale à D, et les valeurs du modèle (cf. Figure 1):

, i=1,Nt avec Nt le nombre d'observations situées à une

distance inférieure à D du point de mouillage pour la date t. N est le nombre total d'observations sélectionnées sur l'ensemble de la période d'analyse.

Caractéristiques PSY1v1 PSY2v1

Modèle océanique MNATL-07 (code OPA) PAM (code OPA)

Résolution horizontale ~36 km ~7 km

Résolution verticale

Amélioration de la résolution verticale dans les premiers mètres du modèle. Mais le nombre total de niveaux (43) est conservé par rapport à PSY1v1.

Assimilation de l'altimétrie Modification du mode de

déplacement isopycnal et intégration des données de l'altimètre GFO

Domaine Bassin Atlantique (20°S-70°N) Bassin Atlantique (10°N-65°N) et Mer Méditerranée

MSSH

Mélange entre la moyenne de la simulation forcée et les analyses Reynolds de température de surface.

Implémentation d'une nouvelle surface moyenne issue de la combinaison de l'altimétrie satellitale et d'observations hydrologiques

Spin-upSpin-up long Démarrage à partir de la

climatologie de Septembre et 3 semaines de spin-up avant la première assimilation.

Rappel à la climatologie Reynaud (T,S)

Rappel dans les fosses océaniques en dessous de 2300 mètres.

Rappel dans la masse au niveau de la sortie du détroit de Gibraltar, dans le Golfe de Cadix. Ce rappel augmente entre 500 et 1000 mètres, puis reste constant en-dessous (~30 jours).



http://bulletin.mercator.com.fr/html/produits/psy1/ocean/mouillages/bull_ocean_m_fr.jsp?nom=psy1_20030402_19449




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 1 : Les étoiles représentent la différence (°C) entre les températures observée et simulée à 100 mètres pour les mouillages Iceland Basin (haut gauche), Irminger Sea (haut droit), North Madeira XBT (bas gauche) et Yoyo Pomme (bas droit) de la configuration PSY2v1 (période octobre 2001 - novembre 2002). Les différences sont tracées en fonction de la distance (km) entre le point d'observation et le mouillage. Les courbes rouges représentent la moyenne de ces différences pour chaque pas de 25 km (brute pour la courbe en pointillés et lissée spatialement pour la courbe continue). Les courbes oranges représentent la dispersion de l'erreur moyennée sur chaque pas de 25 km (brute : courbe en pointillés ; lissée spatialement : courbe continue). Le trait vertical gris indique la distance D utilisée pour le calcul du biais du modèle.

La densité des observations est très inégale et les biais n'ont pas pu être calculés pour l'ensemble des 14 mouillages : seuls 6 d'entre eux étaient suffisamment échantillonnés pour estimer le biais : Gulf Stream 1 XBT, Iceland Basin, Yoyo Pomme, North Madeira XBT, Puerto Rico XBT et Irminger Sea (cf. Figure 2). Au final, la distance D correspond à 87.5 km pour les mouillages Gulf Stream 1 XBT, Iceland Basin et Yoyo Pomme ; à 62.5 km pour North Madeira XBT et 162.5 km pour Irminger Sea. Pour ce dernier mouillage, les observations sont réparties de façon homogène autour du point modèle, ce qui permet de capturer une moyenne assez représentative de la région malgré la distance D importante. Ça n'est pas le cas pour la région du Gulf Stream où toutes les observations se concentrent au sud du point de mouillage (Gulf Stream 1 XBT) ; cela introduit un biais chaud et salé dans l'estimation des biais du modèle. Cette méthode d'analyse peut également être biaisée par des signaux de

plus petite échelle que la distance D retenue. La comparaison visuelle entre les séries observée et simulée, l'analyse de la répartition spatiale des observations et du contexte dynamique de la région étudiée, l'analyse de l'évolution du biais en fonction de la distance (cf. Figure 1) peut permettre de déceler ces faiblesses ou, a contrario, de montrer que le biais estimé peut être considéré comme étant robuste pour la région étudiée. La Figure 1 montre ainsi les différences entre la température simulée de PSY2v1 et la température observée, en fonction de la distance entre l'observation et le point modèle pour 4 des 6 mouillages retenus. On peut ainsi se rendre compte que la courbe moyenne des différences à 100 mètres évolue peu en fonction de la distance dans les premiers tiers de chaque graphe (courbes rouges continues et pointillées pour Yoyo Pomme). On signale que cette caractéristique a été confirmée sur une période plus longue (1993-1998) avec PSY1v1. Pour le mouillage Irminger Sea notamment, nous avons pu observer l'évolution du biais sur des distances inférieures à 100 km (des observations sont effectivement situées à moins de 50 km sur 1993-1998). Finalement, le biais estimé Bloc semble fournir une information réaliste sur l'écart moyen entre modèle et observations aux différents points de mouillage.

Figure 2 : Mouillages PSY2v1. Les cercles rouges indiquent les mouillages pour lesquels nous avions suffisamment de données in-situ pour l'analyse des biais sur la période octobre 2001 - novembre 2002.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Evolution générale

Dans la majorité des cas, on note une réduction des biais entre PSY1v1 et PSY2v1 significative sur le champ de salinité (S) et sur le champ de température (T) (cf. Tableau 2). Pour le mouillage du Gulf Stream, on observe une amélioration en température sur 7 des 11 niveaux ; c'est-à-dire sur la majeure partie de la colonne d'eau analysée (700 premiers mètres de l'océan). En effet, la moyenne du rapport des biais entre PSY1v1 et PSY2v1 sur ces 7 niveaux retenus est supérieure à 65%. Les deux mouillages du gyre subpolaire (Iceland Basin et Irminger Sea) voient également une amélioration générale de plus de 60% pour S et T. Par contre, les deux mouillages situés dans la partie est du gyre subtropical (Yoyo Pomme et North Madeira XBT) voient leur signal en grande partie dégradé par rapport à PSY1v1 et aux observations puisque seuls 5 ou 6 niveaux sur 11 connaissent une amélioration.

Tableau 2 : Evolution du biais (gain) lors du passage de la configuration modèle de PSY1v1 à PSY2v1 pour différents points de mouillages MERCATOR et pour les paramètres de température et salinité. Le nombre de niveaux retenus correspond aux niveaux du mouillage pour lesquels on observe une amélioration du biais entre PSY1v1 et PSY2v1. Le nombre maximal de niveaux pour chaque mouillage est égal à 11 (de 10 à 700 mètres). Les cases grisées signalent les mouillages pour lesquels une amélioration n'a été observée que sur 6 niveaux au plus.

2.2. Zoom sur l'ouest du bassin

PSY2v1 contient plus de variabilité que PSY1v1 dans la région de Gulf Stream (cf. Figure 3 et Figure 4) et capture des signaux non reproduits dans PSY1v1 tel que le refroidissement marqué début mai 2002 (cf. Figure 3, à droite) relié à un méandre vers le sud du front (cf. Figure 5).

Nom du mouillage Température Salinité

Nombre de niveaux retenus (max=11)

Gain(%)

Nombre de niveaux retenus (max=11)

Gain(%)

Gulf Stream 1 XBT 7 65.4 8 63.4

Iceland Basin 11 64.2 11 72.6

Irminger Sea 10 64 11 67.7

Puerto Rico XBT 9 26.6 Ø Ø

Yoyo Pomme 5 54.8 9 28.1

North Madeira XBT 6 41.3 6 59.2



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 3 : Séries temporelles PSY1v1 (à gauche) et PSY2v1 (à droite) pour le paramètre de température à 100 mètres de profondeur et pour le point de mouillage Gulf Stream 1 XBT (70W-37.9N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées sur les deux schémas par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.

Figure 4 : Idem que Figure 3 mais pour la salinité.

Figure 5 : Température à 100 mètres de PSY1v2 pour la région du Gulf Stream et pour la mi-avril 2002. Le rond noir indique la position du mouillage 6 "Gulf Stream 1 XBT".

L'amélioration de la résolution horizontale dans la grille de PSY2v1, qui permet de résoudre des structures plus fines, explique en partie l'augmentation de la variabilité (jusqu'à 1 psu en salinité). Cependant, si on observe plus de variabilité dans PSY2v1, cela ne veut pas dire qu'elle soit en accord avec la réalité. On peut avoir, par exemple, des tourbillons qui ne sont pas correctement situés, des variations déphasées par rapport à la réalité ou non observées, ... Malheureusement, nous manquons encore d'observations pour valider temporellement et spatialement ces petites structures de façon systématique. Les histogrammes de biais en température visualisés sur la Figure 6 montre une réduction des biais sur la majorité des niveaux. On note également une amélioration du gradient vertical : dans PSY1v1, la stratification était insuffisante (modèle trop froid en surface et trop chaud en subsurface), alors que dans PSY2v1, le biais du modèle est plus homogène en signe et en valeur sur la verticale. Le biais froid moyen qui subsiste peut résulter de la répartition anisotrope des observations autour du point de mouillage (cf. 2.1). Notons que nous manquons d'observations pour estimer le biais sur la salinité.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 6 : Biais local en température pour PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage "Gulf Stream 1 XBT" en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.

Pour le mouillage Puerto Rico XBT (cf. Figure 7), l'accord avec les observations est effectivement amélioré. Cependant, on reste sous le coup d'une erreur grande échelle qui touche une large partie du sud du gyre subtropical, avec une température qui reste inférieure à ce que traduit la climatologie et les observations in-situ contemporaines. Il demeure un biais froid significatif de 10 à 400 mètres (supérieur à 1°C). Cela confirme en grande partie ce qui avait été déduit de la confrontation entre PSY2v1 et la climatologie, ou les SST Reynolds, et qui avait fait l'objet de la Lettre Trimestrielle MERCATOR précédente (cf. figure 5 de la lettre trimestrielle n°8).

Figure 7 : Biais local en température de PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage " Puerto Rico XBT " en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


2.3. Le gyre subpolaire

Au niveau de la Mer d'Islande, le biais chaud visible à 75 mètres jusqu'en juillet 2002 dans PSY1v1 a disparu dans PSY2v1 et le réchauffement de 2°C vu dans les observations au cours de l'été 2002 est correctement simulé dans PSY2v1, contrairement à PSY1v1 (cf. Figure 8).

Figure 8 : Séries temporelles PSY1v1 (à gauche) et PSY2v1 (à droite) pour le paramètre de température à 75 mètres de profondeur et pour le point de mouillage Iceland Basin (19W-58.9N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées sur les deux schémas par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.

L'amélioration visible sur la température pour Iceland Basin est confirmée sur le champ de salinité. La courbe moyenne bleue (cf. Figure 9) épouse d'avantage le tracé des observations les plus proches à 200 mètres (cf. les cercles qui marquent les observations situées à moins de 100 km environ du point de mouillage de la Figure 9). La modification de l'évolution temporelle entre les deux modèles est conséquente : augmentation de la salinité sur l'ensemble de la période pour PSY1v1 et diminution pour PSY2v1.

Figure 9 : Séries temporelles PSY1v1 (à gauche) et PSY2v1 (à droite) pour le paramètre de salinité à 200 mètres de profondeur et pour le point de mouillage Iceland Basin (19W-58.9N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées sur les deux schémas par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.

Au niveau des deux mouillages du gyre subpolaire, les biais sur les 700 premiers mètres de l'océan (cf. Figure 10, Figure 11, Figure 12 et Figure 13) atteignent 0.5 à 1°C et 0.05 à 0.1 psu en valeurs absolues, et sont donc du même ordre de grandeur que l'erreur sur les mesures in-situ (0.5°C et 0.1 psu).



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 10 : Biais local en température pour PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage "Iceland Basin" en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.

Figure 11 : Idem que Figure 10 mais pour le paramètre de salinité (psu). Une valeur positive indique que le modèle est moins salé que les observations.

Figure 12 : Biais local en température PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage "Irminger Sea" en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 15 : Séries temporelles PSY1v1 ( à gauche) et PSY2v1 (à droite) pour le paramètre de température à 200 mètres de profondeur et pour le point de mouillage Irminger Sea (32W-60N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.

2.4. L'est du bassin Atlantique : une région qui interroge...

Etat des biais moyens

Si, globalement, PSY2v1 fait mieux que PSY1v1, on note, par contre, une dégradation des biais moyens en subsurface dans l'est du bassin comme illustrée par les mouillages North Madeira XBT et Yoyo Pomme (cf. Figure 16, Figure 17, Figure 18 et Figure 19). On observe un changement des caractéristiques des masses d'eau par rapport à PSY1v1 mais pas d'amélioration significative par rapport aux observations. On note peu de changement sur la salinité, une diminution des biais moyens en surface et une augmentation en subsurface pour la température. PSY2v1 est trop froid de l'ordre de 0.5 à 1°C sous la couche mélangée. Il semble que les facteurs qui sont à l'origine de ces écarts entre modèle et observations soient multiples. Nous avons tenté, dans la suite, de dégager le ou les facteurs qui étaient prépondérants aux positions des deux mouillages. Nous verrons que les explications diffèrent sensiblement entre les deux points "North Madeira XBT" et "Yoyo Pomme".

Le mouillage d'Irminger Sea est situé au cœur d'un front marqué entre les eaux chaudes et salées qui proviennent du gyre subtropical et les eaux froides etpeu salées du bassin d'Irminger, à l'ouest de la ride deReykjanes, (cf. Figure 14). En ce point, la série temporelle à 200 mètres (cf. Figure 15) montre que PSY2v1 contient plus de variabilité que PSY1v1(structures méso-échelle, variabilité de la position dufront qui se traduit par des variations descaractéristiques des masses d'eau, ...). On peut voir,notamment, un signal marqué et très bien capturé par PSY2v1 au cours du mois de juin 2002(refroidissement, puis réchauffement rapide) mais qu'on ne voyait pas dans PSY1v1 (cf. les courbes enpointillés rouges Figure 15). La Figure 14 montre que le front est très resserré autour du mouillage IrmingerSea et que des évènements tels que celui de juin 2002 sont liés à des méandres d'anomalies chaudes oufroides, nombreux autour du mouillage car associés à la variabilité du front.

Figure 14 : Température à 200 mètres de PSY1v2 pour la région du Gyre subpolaire et pour la fin juin 2002. Le rond noir indique la position du mouillage 1 "Irminger Sea".



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 16 : Biais local en température PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage "North Madeira XBT" en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.


Figure 18 : Biais local en température PSY1v1 (à gauche) et PSY2v1 (à droite) exprimés en °C pour le mouillage "Yoyo Pomme" en fonction des profondeurs de référence 10, 25, 50, 75, 100, 150, 200, 300, 400, 500 et 700m (en ordonnées). Une valeur positive indique que le modèle est plus froid que les observations.




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Yoyo Pomme

Les séries temporelles à Yoyo Pomme traduisent une dégradation de l'accord avec les observations par rapport à PSY1v1 (cf. Figure 20 et Figure 21). Dans la couche mélangée (entre 10 et 75 mètres), le modèle est légèrement trop froid en début de période et s'écarte fortement des observations à certaines dates de l'été 2002. En dessous de 100 mètres, par contre, le biais en température dans PSY2v1 est constant dans le temps. Ainsi, à 200 mètres, PSY2v1 est nettement plus froid que les observations (de l'ordre de 1°C).

Figure 20 : Séries temporelles PSY1v1 ( à gauche) et PSY2v1 (à droite) pour le paramètre de température à 50 mètres de profondeur et pour le point de mouillage Yoyo Pomme (18W-43.4N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.

Figure 21 : Séries temporelles PSY1v1 ( à gauche) et PSY2v1 (à droite) pour le paramètre de température à 200 mètres de profondeur et pour le point de mouillage Yoyo Pomme (18W-43.4N). Les courbes rouges en pointillés représentent la série temporelle brute et les courbes bleues, la série lissée sur 30 jours. Les observations sélectionnées autour de ce point de mouillage sont représentées par des cercles. Plus la taille du cercle est grande, plus l'observation se situe proche du point modèle.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Le biais moyen froid La comparaison entre les profils climatologiques de la température au point de mouillage, issus de la climatologie Reynaud et issus des moyennes de PSY2v1, fait apparaître des valeurs similaires qui avoisinent les 12°C à 200 mètres en septembre, octobre et novembre notamment (cf. Figure 22). Les observations in-situ contemporaines (cf. Figure 21) indiquent plutôt une moyenne autour de 13°C. La climatologie de départ présente donc un déficit de 1°C par rapport à ce qui est observé à 200 mètres entre octobre 2001 et novembre 2002. Le départ de la climatologie Reynaud de septembre et le spin-up court imposent donc, pour ce cas particulier, des masses d'eau qui n'ont pas les bonnes caractéristiques. D'autre part, la Figure 23 montrent le développement de filaments qui apportent des eaux froides entre le mouillage et la côte ibérique au cours de l'automne 2001. Cette évolution dynamique peut renforcer ou maintenir le biais froid en bloquant partiellement la remontée d'eaux chaudes du courant du Portugal.

Figure 22 : Climatologies annuelle et mensuelles Reynaud de la température au point de mouillage Yoyo Pomme (à gauche) et moyennes climatologiques (moyenne sur l'ensemble de la période et moyennes mensuelles) de la température de PSY2v1 calculées sur la période octobre 2001 - novembre 2002 (à droite). Les lignes en pointillés blancs marquent la valeur de la température à la profondeur 200 mètres.

Figure 23 : Température à 300 mètres de PSY2v1 pour la région Est du gyre subtropical et pour la date du 21 novembre 2001. Le cercle blanc indique la position du mouillage 4 "Yoyo Pomme".



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Les évènements de l'été 2002 Au cours de l'été 2002, on observe dans le modèle une succession d'évènements froids et chauds au niveau de la couche mélangée et de la thermocline qui ne semblent pas être systématiquement en accord avec les observations. La Figure 24 illustre les structures en température de la région à 50 mètres pour les dates du 14 août 2002 (évènement chaud) et du 4 septembre 2002 (évènement froid). Dans les deux cas, on peut dire que ce qui se passe au point de mouillage diffère de ce qui se passe globalement au niveau de la région. L'évènement chaud s'accompagne d'une intrusion des eaux froides du nord et seul le mouillage "résiste" à cette invasion nordique. On identifie clairement une structure dipolaire au point "Yoyo Pomme". Une autre apparaît également plus à l'ouest. L'évènement froid s'accompagne, à l'inverse, d'une invasion de la zone par des eaux chaudes venant du sud et, là encore, on distingue une structure dipolaire au voisinage du mouillage. Ce particularisme au niveau de "Yoyo Pomme" peut s'expliquer par la configuration géographique locale puisque le point se situe sur le flanc ouest du massif des Açores-Gascogne. On peut insister sur le fait que, capturer ces structures très locales, nécessite de disposer d'observations nombreuses. On souligne donc, là encore, l'importance d'un échantillonnage dense de l'océan par les mesures in-situ.

Figure 24 : Température à 50 mètres de PSY2v1 pour la région Est du gyre subtropical et pour les dates du 14 août 2002 (à gauche) et du 4 septembre 2002 (à droite). Le cercle blanc indique la position du mouillage 4 "Yoyo Pomme".




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


North Madeira XBT

A la différence de ce qui se passe à Yoyo Pomme, le biais à North Madeira XBT n'est pas constant dans le temps. Ainsi, certains évènements sont cohérents entre le modèle et les observations, même si leurs intensité et phase ne sont pas toujours exactes. On repère, par exemple, le refroidissement, moindre cependant que dans les observations, à la fin du mois d'avril ou, le réchauffement en fin de période à partir du mois de septembre (cf. Figure 25, flèches noires). Par contre, on observe un biais conséquent au cours du printemps et du début de l'été 2002 (cf. Figure 25, flèches rouges), avec un évènement chaud qui semble nettement manquer dans PSY2v1.

Figure 25 : La figure de gauche représente la série temporelle du champ de température de PSY2v1 pour les 700 premiers mètres de l'océan, au point de mouillage MERCATOR "North Madeira XBT". La figure de droite représente la pseudo-série de température observée calculée à la position de ce même mouillage MERCATOR (cf. la lettre trimestrielle Mercator n°6 pour obtenir une description de la méthode). Les "blancs" marquent les endroits où l'erreur sur les données interpolées est supérieure à 2°C. L'interpolation a été faite jusqu'à un laps de temps entre 2 points consécutifs de 21 jours. Les flèches noires signalent des évènements cohérents entre modèle et observations ; les flèches rouges, au contraire, signalent ceux qui ne concordent pas.

En effet, à partir du milieu du mois de mai et jusqu'à la fin du mois de juillet 2002, l'évolution de la température simulée et observée est anti-corrélée : on observe un réchauffement sur les 500 premiers mètres de la colonne d'eau dans les données in-situ alors qu'un refroidissement est simulé par PSY2v1. Or, dans le modèle et dans les observations, on note une diminution du niveau de la mer sur cette période (cf. Figure 26).

L'origine de cette baisse du niveau de mer résulte donc nécessairement d'une forte anomalie positive en sel. Effectivement, les observations indiquent une augmentation du sel dans la région à partir de mi-juin et jusqu'au mois de septembre de l'ordre de 0.25 psu à 25 mètres et 0.1 psu à 150 mètres. Cette augmentation existe bien dans le modèle, mais elle est insuffisante. Le 25 juillet 2002, le déficit en sel au mouillage North Madeira XBT est de l'ordre de 0.2 psu à 25 mètres et à 150 mètres. L'assimilation ne permet pas de corriger ce défaut de représentation en sel. En effet, la correction ne modifie que la densité de la colonne d'eau. Une anomalie négative du niveau de la mer correspond à une remontée de la colonne, c'est-à-dire à une diminution conjointe du sel et de la température à une profondeur donnée. La méthode d'assimilation ne convient pas donc à cette évolution particulière où le niveau de la mer et la température sont anti-corrélées.

Figure 26 : Série temporelle du niveau de la mer PSY2v1 au mouillage North Madeira XBT entre octobre 2001 et novembre 2002.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Que se passe-t-il dans PSY2v1 ? La Figure 27 illustre la situation dans PSY2v1 pour la date du 3 juillet 2002 et pour le paramètre de salinité. On remarque clairement que le point de mouillage se situe au cœur d'un méandre cyclonique qui apporte des eaux froides et peu salées en provenance du nord et qui s'intensifie au cours de la période. Le scénario plausible pour expliquer le déficit en sel du modèle est probablement que le tourbillon chaud et salé centré autour de la position 14°W-34.5°N aurait du se déplacer davantage vers le nord-ouest (cf. le paramètre de température du 22/05/2002 et du 03/07/2002 pour observer le déplacement de la structure entre fin mai et début juillet dans le modèle). Il s'avère, en fait, que les gradients nord-sud de la température et de la salinité sont insuffisants dans PSY2v1 en raison du départ de la climatologie Reynaud qui est un champ fortement lissé. Il manque, par exemple, 0.1 psu à 33°N dans la climatologie. Le gradient au niveau du mouillage 7 n'est donc pas assez franc et la salinité au sud, trop faible. Les masses d'eau de PSY2v1 dans la région Madère ne sont donc pas correctement représentées. On peut imaginer que des structures moyennes plus fiables permettraient de mieux reproduire le comportement et l'intensité des structures méso-échelles de la région.

3. Récapitulatif

Une réduction globale des biais entre PSY1v1 et PSY2v1 : amélioration du gradient sur la verticale et repositionnement de certaines structures. Plus d'énergie de méso-échelle dans PSY2v1 mais qu'on ne peut pas toujours valider puisque cela nécessite une couverture dense des observations dans le temps et dans l'espace. Les structures ne sont pas forcément réalistes, même si dans certains cas, on retrouve un signal cohérent avec les observations (cf. exemple de Irminger Sea, Figure 15). Le problème dans l'est du bassin : les présomptions :

Structures dipolaires centrées au mouillage Yoyo Pomme : particularité locale (massif Açores-Gascogne) Anomalie latérale en sel non reproduite dans PSY2v1 pour le mouillage North Madeira XBT suite à un défaut des positions des structures méso-échelles du courant des Açores. Climatologie de départ trop lissée (pas de représentation suffisamment marquée de certains fronts et gradients méridiens) et biais par rapport aux observations de la période d'analyse (octobre 2001-novembre 2002).

Insuffisance des observations in-situ en température et salinité sur la majeure partie du domaine. La Méditerranée n'est pas observée.

Figure 27 : Salinité à 292 mètres de PSY1v2 pour la région de Madère et pour le 3 juillet 2002. Le rond noir indique la position du mouillage 7 "North Madeira XBT".

http://www.mercator-ocean.fr/images/lettre/lettre_9/grand/psy2_20020522_19134_zCANIGO_t_n300_t0.gif

http://www.mercator-ocean.fr/images/lettre/lettre_9/grand/psy2_20020703_19176_zCANIGO_t_n300_t0.gif



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM

Les diagnostics d'assimilation dans PSY2

Par Jean-Michel Lellouche et Benoît Tranchant

Introduction

1. La "simulation PSY2" en bref

La lettre trimestrielle # 8 décrit en détail les innovations et particularités du système PSY2 par rapport au système PSY1. En résumé, la "simulation PSY2" a été initialisée par la climatologie REYNAUD en Atlantique et la climatologie MEDATLAS2 en Méditerranée à la date du mercredi 26 septembre 2001. Cette simulation a utilisé un niveau de référence altimétrique (MSSH pour Mean Sea Surface Height) synthétique sur l'Atlantique provenant des travaux de M.H. Rio (CLS) et issu d'un spin-up de quatre ans de MED16-07 (le zoom Méditerranée de PAM) pour la Méditerranée. Nous avons assimilé les données altimétriques provenant des traces des satellites TOPEX et ERS-2 jusqu'au 22 mai 2002, puis celles des satellites JASON-1 et ERS-2 jusqu'au 3 juillet 2002 et enfin celles des satellites JASON-1, ERS-2 et GFO jusqu'à maintenant. Nous disposons en avril 2003 d'un peu plus d'un an et demi de simulation, à savoir 15 mois de rattrapage temps réel (analyse en temps différé ou "hindcast") et 4 mois d'analyse en temps réel.

2. Les diagnostics d'assimilation

L'assimilation séquentielle consiste en une succession de cycles : partant d'une analyse, on réalise une prévision d'une semaine avec le modèle que l'on corrige alors avec une nouvelle analyse et ainsi de suite. Les diagnostics d'assimilation sont collectés tout au long de la phase de prévision du modèle. En pratique, la semaine est divisée à l'aide d'un intervalle qui est le pas de temps du modèle (20 minutes pour PSY2). Une semaine correspond donc à une série de dates :

L'écart entre l'observation ( ) et l'équivalent modèle de l'observation ( ) est calculé pour chacune de ces dates au moment opportun.

Afin d'analyser les résultats du nouveau prototype PSY2 et d'évaluer la qualité de l'assimilation des traces altimétriques, une série de diagnostics d'assimilation est produite en ligne par l'intermédiaire du code d'interpolation optimale SOFA.

Il existe plusieurs niveaux de diagnostics. D'une part,des statistiques globales (Atlantique Nord etMéditerranée) qui permettent d'effectuer unecomparaison du modèle aux observations ettémoignent ainsi du comportement général de l'algorithme d'assimilation. D'autre part, desstatistiques locales qui permettent de visualiser lesqualités et les défauts de ce même algorithme localement. Pour cela, 27 régions de diagnostics centrées sur les mouillages du système PSY2 ont été définies (Figure 1) et correspondent à des zones de systèmes d'observation. Dans cette étude nousanalysons ces diagnostics afin de dégager les points forts et les faiblesses du nouveau prototype PSY2.

Figure 1 : Les régions de diagnostics d'assimilation définies dans le système PSY2.

avec : ,

pas de temps du modèle,

nombre de pas de temps contenus dans un cycle d'assimilation.

http://www.omp.obs-mip.fr/omp/legos/english/rech/circu/sofa/Default.htm



http://www.mercator-ocean.fr/html/lettre/lettre_5/page_1.html#pamintro



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM

Les diagnostics d'assimilation dans PSY2 (suite)

2.1. Les différents types de diagnostics

Par "diagnostics d'assimilation" nous entendons, pour chaque satellite, un certain nombre de statistiques de base comme :

le nombre de données assimilées le long des traces satellitales,

la moyenne quadratique des données :

la moyenne quadratique de l'innovation (misfit) :

la moyenne quadratique de la persistance :

où la notation signifie que est évalué au temps initial. Ceci va permettre de

comparer le score de la prévision du modèle par rapport à la simple persistance du passé. A noter que le calcul de cette moyenne est seulement effectué à partir de la seconde moitié du cycle d'assimilation durant laquelle les différences entre et sont potentiellement les plus

importantes. la moyenne arithmétique de l'innovation :

Cette moyenne doit rester proche de zéro tant que les variables pronostiques du modèle et les observations sont supposées non biaisées. Dans notre cas, les observations sont les anomalies de niveau de la mer (SLA pour Sea Level Anomaly) satellitales et la MSSH utilisée dans l'algorithme d'assimilation.

Nous définissons également des statistiques qui permettent de rendre compte de certaines propriétés de l'algorithme d'assimilation. Ces statistiques prennent la forme :

d'un rapport défini comme la moyenne quadratique de l'innovation normalisée par celle des données :

Ce rapport représente la capacité du modèle à tendre vers l'observation. C'est l'un des premiers diagnostics à vérifier. Il doit décroître au cours de l'assimilation et converger vers une valeur inférieure à 1 lorsque l'assimilation est efficace. d'un rapport défini comme la moyenne quadratique de l'innovation normalisée par celle de la persistance :

Ce rapport représente la capacité du modèle à faire mieux qu'une simple persistance. Il doit décroître au cours de l'assimilation et converger vers une valeur inférieure à 1. d'un coefficient de corrélation qui représente la tendance du modèle à suivre l'observation :

Puisque représente la persistance, on compare ainsi de façon approchée l'évolution prévue

par le modèle avec l'évolution décrite par les observations. Ce coefficient doit tendre vers 1 après quelques cycles d'assimilation et rend compte de la capacité du modèle à suivre la même trajectoire que celle des données.




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


2.2. Le rattrapage temps réel

Le rattrapage temps réel, après un peu plus de dix mois de simulation assimilant les traces TOPEX/JASON et ERS, a bénéficié de la prise en compte des traces GFO apportant de l'information là où TOPEX/JASON et ERS n'en fournissaient pas ou peu. Il apparaît donc intéressant de comparer les diagnostics d'assimilation avant et après la prise en compte des traces altimétriques GFO afin de quantifier l'apport de ces nouvelles données, en terme de performances du système.

D'un point de vue global, c'est à dire sur l'ensemble du domaine d'étude, on peut observer que la prise en compte des données GFO dans l'algorithme d'assimilation a un impact très positif sur l'innovation ("RMS Misfit" Figure 2). Le nombre total de données ("Data number") est bien évidemment globalement en augmentation, ce qui a tendance à mieux contraindre l'algorithme d'assimilation.

La première constatation est que les moyennes arithmétique et quadratique de l'innovation ont un comportement inverse de part et d'autre de la date de prise en compte des données GFO. La moyenne arithmétique s'éloigne de zéro avant GFO alors qu'elle s'en rapproche après GFO. De même, la moyenne quadratique est croissante avant GFO et commence à décroître juste après la prise en compte des données GFO. Enfin, le rapport NRMS(misfit), et le rapport NMRS(persistence) dans une moindre mesure, viennent confirmer cette tendance. Cela montre que la prise en compte des données GFO renforce l'efficacité de l'assimilation et permet au modèle de faire mieux qu'une simple persistance.

Figure 2 : Diagnostics d'assimilation de la SLA satellitale sur le domaine global. A gauche, apparaissent trois mois de diagnostics juste avant la prise en compte des données GFO et à droite, trois mois de diagnostics juste après la prise en compte des données GFO.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Plus localement, dans la Mer d'Irminger, les diagnostics de la Figure 3 permettent d'avancer les mêmes conclusions que précédemment. Là aussi, la décroissance du rapport NRMS(misfit) juste après la prise en compte des données GFO est importante. Mais ce qui est appréciable, c'est que cette décroissance a lieu pour l'ensemble des trois satellites dont on assimile les traces.

Figure 3 : Diagnostics d'assimilation de la SLA satellitale sur la région 1 de diagnostics correspondant à la Mer d'Irminger. A gauche, apparaissent trois mois de diagnostics juste avant la prise en compte des données GFO et à droite, trois mois de diagnostics juste après la prise en compte des données GFO.

Dans la région d'extension et de recirculation du Gulf Stream, l'apport des données GFO n'a pas d'impact significatif, comme en témoignent les diagnostics de la Figure 4. En effet, nous ne notons qu'une faible diminution du rapport NRMS(misfit) contrairement à ce qui précède. Néanmoins, nous pouvons observer une atténuation des fluctuations du rapport NRMS(misfit) autour de sa moyenne temporelle après la prise en compte des données GFO, ce qui semble signifier une meilleure stabilité de l'algorithme d'assimilation.

Figure 4 : Diagnostics d'assimilation de la SLA satellitale sur la région 5 de diagnostics correspondant à la région d'extension et de recirculation du Gulf Stream. A gauche, apparaissent trois mois de diagnostics juste avant la prise en compte des données GFO et à droite, trois mois de diagnostics juste après la prise en compte des données GFO.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Il est intéressant de noter que dans certaines régions " pauvres " en données comme la région d'upwellings côtiers proches de Dakar, les données GFO permettent de combler le manque de données ERS-2 (Figure 5).

Figure 5 : Diagnostics d'assimilation de la SLA satellitale sur la région 13 de diagnostics correspondant à une région d'upwelling côtier proche de Dakar. A gauche, apparaissent trois mois de diagnostics juste avant la prise en compte des données GFO et à droite, trois mois de diagnostics juste après la prise en compte des données GFO.

2.3. Les analyses en temps réel

Chaque mercredi, le système PSY2 produit une analyse le jour même (jour J) ainsi qu'une analyse pour la semaine écoulée au jour J-7. Cette dernière analyse constitue la meilleure estimation produite par le système puisque c'est celle qui a intégré le plus d'observations satellitales et le moins de forçages atmosphériques prévus.Concernant le rattrapage temps réel, les analyses au jour J-7 et au jour J constituent toutes deux les meilleures estimations possibles puisque effectuées en temps différé. Concernant les simulations en temps réel, seules les statistiques de l'analyse au jour J-7 sont diffusées sur le site WEB Mercator.

Dans cette partie nous voulons comparer les diagnostics d'assimilation des échéances J et J-7 pour une même date donnée. Pour cela nous définissons l'écart suivant :

avec

moyenne sur plusieurs semaines d'analyse des à l'échéance J.

La quantité est donc définie comme la différence des fluctuations normalisées de la moyenne quadratique de l'innovation aux échéances J et J-7. Cet écart constitue un indice de régularité de la performance de l'algorithme d'assimilation.




CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Une explication réside dans l'importance du nombre des données sélectionnées le long des traces satellitales pour l'algorithme d'assimilation. En effet, comme le montre la Figure 7, le rapport du nombre total de données sélectionnées à l'échéance J-7 sur celui à l'échéance J est beaucoup plus important pour GFO que pour les deux autres satellites. Ceci est dû à un plus long délai de livraison des données GFO que celui des données JASON et ERS, ce qui réduit leur disponibilité pour l'analyse au jour J.

Notons que la sélection des observations est fondée sur deux critères instantanés. Le premier permet de rejeter les valeurs de SLA supérieures à 1,5 mètres en valeur absolue. Le second critère permet de rejeter une observation de SLA distante du modèle de plus d'1 mètre. Toutefois, ces cas de rejet sont extrêmement rares. Cela concerne au maximum 0,05% des observations pour l'un ou l'autre des deux critères.

L'aspect le plus important concerne la sélection des observations lors de l'analyse autour de chaque point actif (point mer) du canevas. Rappelons que le canevas est un tissu 2D sur lequel est "accrochée" la grille de température du modèle. Dans le code SOFA,

l'analyse est effectuée sur ce canevas qui sert à définir commodément, c'est à dire indépendamment de la forme de grille du modèle, la notion de voisinage. Notons que la grille du modèle utilisée dans PSY2 est "tordue" dans le sens qu'elle ne suit pas les parallèles et méridiens géographiques. Autour de chaque point actif du canevas est réalisée une sélection locale des observations dans une "bulle d'influence". Les rayons zonaux et méridiens de cette bulle sont choisis comme étant le double des rayons de corrélation. Dans la bulle d'influence, on retient seulement les 25 observations les plus pertinentes par type de satellites (JASON, ERS et GFO).

La Figure 6 représente l'évolution de ainsi que l'évolution de et de

sur douze semaines d'analyse, du 01 janvier 2003 au 19 mars 2003.

On peut s'attendre à ce que soit proche de zéro, si l'on suppose que l'écart entre les échéances J et J-7 reste faible. Ce n'est cependant pas le cas pourGFO et de façon moindre pour JASON et ERS.

Figure 6 :Evolution de la fluctuation normalisée de la RMS(misfit)aux échéances J et J-7 et de l'écart GAP(misfit) de ces

fluctuations sur l'ensemble du domaine.

Figure 7 : Evolution du nombre de données sélectionnées le long des traces satellitales aux échéances J et J-7 et du rapport (J-7 / J) de ces données sur l'ensemble du domaine.





CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Les fichiers de sortie SOFA nous fournissent une information supplémentaire concernant la distance maximale entre chaque point actif du canevas et les observations retenues dans la bulle d'influence. Cette distance est systématiquement plus grande à l'échéance J qu'à l'échéance J-7, ce qui a tendance à mieux conditionner l'algorithme d'assimilation pour l'analyse au jour J-7 que celle au jour J.

La Figure 9 représente l'évolution de la moyenne arithmétique de l'innovation dont le comportement est similaire pour les échéances J et J-7. Toutefois, nous pouvons constater que est négative pour les deux échéances, ce qui laisse présager un biais systématique du modèle et/ou des observations. Dans notre cas, la variable SSH représentant la hauteur du niveau de la mer, on a donc :

Cela signifie qu'en moyenne, la SSH modèle est "trop haute" par rapport à la somme de la MSSH et de la SLA observée.

Il peut toutefois arriver que pour un point actif ducanevas, aucune observation ne soit sélectionnée dans la bulle d'influence. En ce point, l'analyse ne sera doncpas effectuée. Le nombre de ces points particuliers reste cependant faible par rapport au nombre total depoints actifs du canevas : en moyenne, ~ 0,5% pourl'échéance J et ~ 0,2% pour l'échéance J-7. Nous avons représenté sur la Figure 8 le rapport de ce nombre à l'échéance J-7 sur celui à l'échéance J.

Nous pouvons voir que ce rapport est en moyenne égal à 0,45 ce qui signifie que le nombre de points actifs du canevas qui n'ont pas sélectionné de données et donc qui n'ont pas été le siège d'une analyse est, en moyenne, à peu près deux fois plus élevé à l'échéance J qu'à l'échéance J-7. Nous remarquons également un rapport proche de 1 à la date du 12 février 2003, cequi signifie qu'autant de points actifs du canevas ontété le siège d'une analyse à l'échéance J et à l'échéance J-7.

Figure 8 : Rapport (échéance J-7 / échéance J) du nombre de points du canevas pour lesquels aucune observation n'a été retenue dans la bulle d'influence (trait continu) et moyenne de ce rapport (trait pointillé).

Figure 9 : Evolution des AVR(misfit) aux échéances J et J-7 et du rapport (J-7 / J) de ces AVR(misfit) sur l'ensemble du domaine.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Figure 11 : Innovation le long des traces satellitales (Jason+ERS+GFO) à la date du 05 mars 2003. A gauche, celle correspondant à l'analyse au jour J et à droite, celle correspondant à l'analyse au jour J-7.

Nous pouvons remarquer que l'augmentation du nombre de données d'une échéance à l'autre, en particulier pour GFO (voir Figure 7), a pour conséquence d'accentuer l'erreur faite dans le calcul de due à la valeur de la MSSH au nord de l'Islande et sur le talus européen. En effet, la MSSH dans cette zone pourrait être trop basse ce qui expliquerait que le modèle soit systématiquement plus haut que les observations dans cette portion du domaine. Notons que cela expliquerait les valeurs négatives de de la Figure 9 et également les valeurs importantes du de la Figure 10.

Les incréments d'analyse (innovations analysées) issu de SOFA sont significativement modifiés d'une échéance à l'autre. En effet nous pouvons voir sur la Figure 12 que l'analyse effectuée au jour J-7 est beaucoup plus "fine" que celle effectuée au jour J. Ceci se traduit par des innovations analysées de plus petite échelle pour l'échéance J-7 en raison du nombre accru de données sélectionnées le long des traces altimétriques.

Figure 12 : Incrément d'analyse issu de SOFA à la date du 05 mars 2003. A gauche, celui correspondant à l'analyse au jour J et à droite, celui correspondant à l'analyse au jour J-7.

De plus, le rapport reste quasiment toujours au dessus de 1 pour les troissatellites, ce qui signifie que est

inférieure à , alors qu'on pourrait s'attendre au contraire. Les diagnostics de la Figure 10permettent d'avancer les mêmes conclusions avec unrapport restant leplus souvent supérieur à 1.

Les précédents comportements s'expliquent à la fois par un nombre différent d'observations assimilées aux échéances J et J-7 et par vraisemblablement un biaisde la MSSH utilisée dans l'algorithme d'assimilation. Pour illustrer les résultats obtenus, nous avons choisi de comparer les échéances J et J-7 pour la date du 05 mars 2003. La Figure 11 présente pour cette date, l'innovation (observations moins modèle) le long destraces satellitales (Jason+ERS+GFO) aux échéances J et J-7.

Figure 10 : Evolution des RMS(misfit) aux échéances J et J-7 et du rapport (J-7 / J) de ces RMS(misfit) sur l'ensemble du domaine.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM


Enfin, la Figure 13 représente le champ de niveau de la mer analysé sur l'ensemble du domaine aux échéances J et J-7. L'augmentation du nombre de données et de la "finesse" de l'incrément d'une échéance à l'autre permet à l'analyse au jour J-7 de renforcer le nombre de petites structures par rapport à celle du jour J.

Figure 13 : Niveau de la mer analysé à la date du 05 mars 2003. A gauche, celui correspondant à l'analyse au jour J et à droite, celui correspondant à l'analyse au jour J-7.

Conclusion

La "simulation PSY2" a maintenant un peu plus de 18 mois derrière elle. Sur la base des résultats obtenus, un certain nombre de diagnostics d'assimilation ont été investigués.

En ce qui concerne le rattrapage temps réel, les données d'un troisième satellite GFO ont été prises en compte dans l'algorithme d'assimilation à partir du 3 juillet 2002. Il nous est donc apparu comme intéressant de comparer les performances de cet algorithme avant et après l'assimilation de ces nouvelles données. D'un point de vue global, GFO a un impact très positif sur l'algorithme, notamment près des côtes. D'un point de vue plus local, c'est à dire sur des zones restreintes de l'Atlantique Nord, les conclusions sont plus nuancées.

En ce qui concerne les analyses en temps réel, nous avons introduit un indice permettant d'évaluer la régularité de performance de l'algorithme d'assimilation en comparant les diagnostics d'assimilation des échéances J et J-7 pour une même date donnée. Ce nouveau diagnostic a permis de mettre en évidence l'importance du rapport du nombre de données sélectionnées le long des traces altimétriques entre les échéances J et J-7, même si les analyses pour ces deux échéances ont des comportements très comparables. Nous avons également mis en évidence un possible biais de la MSSH au Nord de l'Islande et sur le talus européen occasionnant des innovations négatives et par voie de conséquence des incréments d'analyse trop importants dans cette portion du domaine.

Ce biais, combiné à la différence d'échantillonage des observations aux jours J et J-7 conduisent à un comportement parfois inattendu des diagnostics d'assimilation. Ceci montre qu'il faut se méfier d'une interprétation trop rapide de ces diagnostics, notamment en ce qui concerne l'innovation. Les futurs diagnostics d'assimilation Mercator devront être plus lisibles et plus détaillés, et seront vraisemblablement des composites construits à partir des diagnostics actuellement en place.



CNESCNRS/INSU

IFREMERIRD

METEO-FRANCESHOM

- Bloc Note -

Adresse :

N'hésitez pas à nous faire part de vos remarques à l'adresse : [email protected]

Prochaine édition : Juillet 2003

Publication :

Eric Greiner

Edition :

Frédéric Roustit

Auteurs :

Article 1 : Nathalie Verbrugge et Eric Greiner Article 2 : Jean-Michel Lellouche et Benoît Tranchant

mailto:[email protected]

Environment

Mercator Ocean newsletter 09