PREVASSEMBLE

PREVASSEMBLE

Méthodes d’Ensemble pour l’Assimilation des Observations et la Prévision en Météorologie et Océanographie

Ce projet visait à améliorer les techniques d’assimilation et de prévision d’ensemble

Coordinateur Olivier Talagrand (LMD)
Correspondant CNRM-GAME Gérald Desroziers
Équipes CNRM-GAME GMAP et GMEI
Site Internet du projet
Type Projet soutenu par l’ANR
Début 2009
Durée 4 ans

 Objectifs

Les objectifs généraux du projet étaient d’améliorer la compréhension théorique et pratique de la performance des méthodes d’ensemble, notamment celles qui s’appliquent à l’assimilation des observations météorologiques et océanographiques, et à la prévision de l’évolution de la circulation atmosphérique et océanique.

Les objectifs plus spécifiques qui devaient être atteints dans le cadre du projet étaient les suivants :

 Renforcer le lien entre l’assimilation et la prévision d’ensemble, en assurant une transition sans heurt entre ces deux processus.

 Évaluer la faisabilité pratique (ou non) de l’assimilation variationnelle d’ensemble, qui semble être le seul moyen de parvenir à l’estimation bayésienne en tenant compte de la dépendance temporelle de l’incertitude dans les données.

 Évaluer précisément ce qui peut et ne peut pas être atteint par les méthodes d’ensemble dans les applications météorologiques et océanographiques, compte tenu en particulier de l’inévitable petite taille de l’échantillon de vérification, ce qui limite fortement les possibilités de validation objective d’estimation ensemble.

 Améliorer les algorithmes d’assimilation (même s’ils ne sont pas entièrement de type ensembliste) en utilisant les méthodes d’ensemble pour déterminer la matrice de covariance d’erreur nécessaire, et ses variations avec les caractéristiques de l’écoulement.

 Développer la théorie mathématique des filtres à particules.

 Améliorer la compréhension du Filtre de Kalman d’Ensemble et de ses connexions avec les filtres à particules.

 Apports du CNRM-GAME

Les principaux résultats obtenus par le CNRM-GAME sont les
suivants :
 mise en oeuvre de filtres particulaires, en particulier pour un modèle de brouillard,
 développement d’une nouvelle approche pour le filtrage des variances d’erreur d’ébauche déduites d’un ensemble d’assimilations,
 développement d’une méthode de modélisation en ondelettes pour la définition,
dans l’assimilation, des matrices de covariance d’erreurs d’ébauche (voir figure ci-dessous),
 développement d’une méthode d’identification de l’erreur de modélisation, suivie de sa mise en œuvre dans le système de prévision opérationnelle d’ensemble de Météo-France (PEARP).

Portées horizontales des corrélations d’erreur de prévision du vent vers 500 hPa (plages de couleurs, en km), représentées en ondelettes et moyennées sur la période allant du 24/02/2010 00H au 27/02/2010 18H, superposées au champ de géopotentiel à 500 hPa (isolignes, en dam) du 26/02/2010 à 00H. La portée d’une fonction de corrélation est une mesure de son extension spatiale.

 Livrables et résultats

Publications

Lei, M., P. Del Moral and C. Baehr, 2009, Analysis of Approximated PCRLBs for Nonlinear Dynamics Using Different Moments of State Estimate. IEEE transaction on Control and Automation , 1988-1993, DOI : 10.1109/ICCA.2010.5524070 .

Lei, M., P. Del Moral et C. Baehr, 2010, Fisher Information Matrix-based Nonlinear System Conversion for State Estimation. IEEE transaction on Control and Automation, 837-841, DOI :
10.1109/ICCA.2010.5524066.

Rémy S., O.Pannekoucke, T. Bergot and C. Baehr, 2011 : Adaptation of a particle filtering method for data assimilation in a 1D numerical model used for fog forecasting . Q. J. R. Meteorol. Soc., 138, 536-551.

Raynaud, L., L. Berre et G. Desroziers, 2009, Objective filtering of ensemble-based background error variances. Q. J. R. Meteorol. Soc., 135, 1177-1199.

Desroziers, G., L. Berre, V. Chabot et B. Chapnik, 2009, A Posteriori Diagnostics in an Ensemble of Perturbed Analyses. Mon. Wea. Rev., 137, 3420-3435.

Berre, L. et G. Desroziers, 2010, Filtering of background error variances and correlations by local spatial averaging : a review, Mon. Wea. Rev., 138, 3693-3720.

Raynaud, L., 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., 137, 607–619.

Raynaud, L., L. Berre and G. Desroziers, 2012 : Accounting for model error in the Météo-France ensemble data assimilation system. Q. J. R. Meteorol. Soc., 138, 249-262.

Desroziers, G. and L. Berre, 2012 : Accelerating and parallelizing minimizations in ensemble and deterministic variational assimilations. Q. J. R. Meteorol. Soc., 138, 1599-1610.

Varella, H., L. Berre et G. Desroziers, 2011, The wavelet approach for modelling background error covariances and its impact on a global model. Q. J. R. Meteorol. Soc., 137, 1369-1379.

Boisserie, M., P. Arbogast, L. Descamps, O. Pannekoucke, L. Raynaud, 2014 : Estimating and diagnosing model error variances in the Météo-France global NWP model, Q. J. R. Meteorol. Soc., 140, 846-854.

Valorisation des résultats

Une action prévue dès le départ dans le cadre du projet était l’organisation d’un Colloque International sur les Méthodes d’Ensemble. Ce Colloque s’est tenu à Toulouse, sur le site de Météo-France du 12 au 16 Novembre 2012
( http://www.meteo.fr/cic/meetings/2012/ensemble.conference/ ). Il a fourni l’occasion de présenter devant un auditoire international les travaux effectués à l’occasion du projet Prevassemble. Mais il a surtout, grâce aux nombreuses présentations effectuées (plus de 110, dont 75 présentations orales),
fourni l’occasion de présenter un bilan général de l’état de développement des Méthodes d’Ensemble et des possibilités qu’elles offrent
aujourd’hui.

A la suite de ce Colloque, un numéro spécial de la revue Nonlinear Processes in Geophysics , consacré aux Méthodes d’Ensemble est en cours de publication ( http://www.nonlin-processes-geophys.net/special_issue153.html ).

 Partenaires

  1. IPSL
  2. IRISA
  3. INRIA