RAYNAUD Laure




Laure RAYNAUD

Chercheur au CNRM -GAME (URA CNRS & Météo-France)

GMAP/RECYF

Groupe de Modélisation pour l’Assimilation et la Prévision

Recherche et Expérience sur les cyclogenèses et les Fronts

42, Av. G. Coriolis

31057 Toulouse Cedex 1, France

Tél. +33 (0) 5 61 07 96 48

Fax +33 (0) 5 61 07 84 53

courriel : laure dot raynaud at meteo dot fr

(cv.pdf)

 Thèmes de recherche

  • Assimilation de données
  • Estimation et modélisation des covariances d’erreur d’ébauche
  • Prévisibilité à échelle fine

 Publications

Publications avec comités de lecture

[8] L. Raynaud and O. Pannekoucke, 2012 : Sampling properties and spatial filtering of ensemble lengths-scales. Q. J. R. Meteorol. Soc.

DOI : 10.1002/qj.1999
, sous presse.

[7] F. Bouttier, O. Nuissier, B. Vié and L. Raynaud, 2012 : Impact of stochastic physics in a convection-permitting ensemble. Monthly Weather Review. DOI:10.1175/MWRD-12-00031.1, sous presse.

[6] L. Raynaud and O. Pannekoucke, 2012 : Heterogeneous filtering of ensemble-based background-error variances. Q. J. R. Meteorol. Soc.

DOI : 10.1002/qj.1890
, sous presse.

[5] L. Raynaud, L. Berre et G. Desroziers, 2012 : Accounting for model error in the Météo-France ensemble data assimilation system. Q. J. R. Meteorol. Soc., Vol. 138, 249-262. DOI : 10.1002/qj.906

[4] Bonavita, L. Raynaud and L. Isaksen 2011 : Estimating background-error variances with the ECMWF Ensemble of Data Assimilations system : some effects of ensemble size and day-to- day variability. Q. J. R. Meteorol. Soc., Vol. 137, 423-434. DOI : 10.1002/qj.756

[3] L. Raynaud, L. Berre et G. Desroziers, 2011 : An extended specification of flow-dependent background-error variances in the Météo-France global 4D-Var system. Q. J. R. Meteorol. Soc., Vol. 137, 607–619. DOI : 10.1002/qj.795

[2] L. Raynaud, L. Berre et G. Desroziers, 2009 : Objective filtering of ensemble-based background error variances. Q. J. R. Meteorol. Soc., Vol. 135, 1177-1199. DOI : 10.1002/qj.438

[1] L. Raynaud, L. Berre et G. Desroziers, 2008 : Spatial averaging of ensemble-based background error variances. Q. J. R. Meteorol. Soc., Vol. 134, 1003-1014. DOI : 10.1002/qj.245

Autres publications

[2] G. Desroziers, L. Berre, O. Pannekoucke, S. Ecaterina Ştefănescu, P. Brousseau, L. Auger, B. Chapnik and L. Raynaud. Flow-dependent error covariances from variational assimilation ensembles on global and regional domains HIRLAM Technical Report No. 68, July 2008. (The SRNWP workshop on High resolution data assimilation with emphasis on the use of moisture-related observations was arranged 21-23 March 2007 at the Museum of Work, Norrkøping, Sweden.)
Lien

[1] L. Berre, O. Pannekoucke, G. Desroziers, S. E. Stefanescu, B. Chapnik, and L. Raynaud, 2007 : A variational assimilation ensemble and the spatial filtering of its error covariances : increase of sample size by local spatial averaging. Proceedings of the ECMWF, Workshop on Flow-dependent aspects of data assimilation, 11-13 June 2007, pages 151–168. Lien

Rapports / livres

L. Raynaud, 2010 : Application, validation et réglage d’une assimilation d’ensemble. PhD dissertation. Université Toulouse 3 Paul Sabatier.

 Thèse

Résumé

Une spécification précise des variances-covariances d’erreur d’ébauche est essentielle pour la réussite du processus d’assimilation des données. Des travaux récents proposent d’estimer ces statistiques à partir d’un ensemble d’assimilations perturbées. Cette approche, héritée des méthodes de Monte Carlo, offre la possibilité de calculer des statistiques relatives à la situation météorologique du jour, et de s’affranchir des hypothèses et contraintes des méthodes d’estimation et de modélisation utilisées jusqu’à présent.
Une difficulté majeure de cette approche, liée à la taille réduite de l’ensemble disponible, concerne le niveau de bruit d’échantillonnage relativement élevé qui affecte l’estimation des statistiques. Des méthodes de filtrage doivent donc être développées, afin de réduire ce bruit et d’améliorer la précision des estimations.
Une première partie du travail est consacrée à la mise en oeuvre théorique puis pratique d’un filtrage spatial objectif des variances d’erreur ensemblistes, qui s’appuie sur le calcul du ratio bruit/signal de l’estimation. L’application de ce filtrage dans le cadre de l’assimilation variationnelle d’ensemble du modèle Arpège montre qu’il permet d’extraire des estimations bruitées une information riche et robuste, fortement liée aux processus dynamiques et physiques en cours.
L’impact d’une extension des variances ensemblistes "du jour" à toutes les variables du système d’assimilation du modèle Arpège est ensuite examiné. Celui-ci s’avère globalement neutre à positif en termes de scores moyens de prévision. Des améliorations significatives sont par ailleurs obtenues pour la prévision d’évènements intenses.
Une dernière étape s’intéresse à la représentation de l’erreur de modèle au sein de l’assimilation d’ensemble. Des diagnostics a posteriori sont utilisés pour estimer objectivement un coefficient d’inflation à appliquer aux perturbations d’ébauche de manière à simuler les effets de l’erreur de modélisation.

Mots clés : assimilation de données, assimilation d’ensemble, matrice de variance-covariance, erreur d’ébauche, bruit d’échantillonnage, dépendance à l’écoulement, diagnostics a posteriori, erreur de modèle, inflation multiplicative.

Thèse récompensée par le prix André Prud’homme 2012 décerné par la Société Météorologique de France (SMF).



[fr]Le contenu de cette page n’engage que son auteur et en aucune manière la responsabilité du CNRM-GAME.[en]No one shall be held responsible, scientifically or otherwise for the content of these pages / articles, but the authors themselves and in no way the responsibility of the CNRM-GAME .