L’interface surface-atmosphère est le siège de nombreux échanges d’énergie, de quantité de mouvement, de phénomènes d’évaporation et d’évapotranspiration, qui influencent la circulation atmosphérique. La modélisation du couplage surface-atmosphère permet de mieux représenter les processus dans la couche limite atmosphérique. Ce couplage s’effectue au cours de la prévision à travers un échange d’information entre le modèle atmosphérique et le modèle de surface. La prévision numérique du temps (PNT) étant particulièrement sensible aux conditions initiales, il est essentiel de fournir aux prévisions des conditions initiales cohérentes entre la surface et l’atmosphère lors de la création de l’analyse. Bien qu’il soit robuste, l’actuel système d’assimilation de données de surface, basé sur une méthode d’interpolation optimale, est statique, univarié et indépendant du système d’assimilation atmosphérique. L’introduction de nouveaux types d’observations n’est également pas facilitée dû au manque de flexibilité du système actuel.
L’objectif de ce travail de thèse est de construire un système d’analyse de surface avancé, basé sur une approche ensembliste, capable d’assimiler des observations de différentes natures, en particulier satellitaires. Une meilleure connaissance des états initiaux des variables dans le sol permettrait ainsi d’obtenir de meilleures prévisions dans les basses couches de l’atmosphère.
Les activités de ma thèse ont consisté à améliorer la partie bidimensionnelle de l’analyse de surface pour le modèle AROME-France. Grâce aux ensembles d’assimilation, un système variationnel ensembliste bidimensionnel (2DEnVar) pour analyser les variables de température et d’humidité relative à 2 m a été mis en place dans une première partie. Les covariances d’erreurs d’ébauche sont alors plus réalistes, car elles sont multivariées et dépendantes de la situation météorologique du jour. La qualité des prévisions en basse atmosphère est ainsi légèrement améliorée, tout en restant comparable au système opérationnel actuel.
Dans un deuxième temps, l’analyse d’une nouvelle variable de surface, la température de surface continentale (Land Surface Temperature, LST), a été mis en place dans le système 2DEnVar. Cette nouvelle variable est analysée grâce à l’assimilation de nouvelles observations provenant du radiomètre infrarouge SEVIRI à bord du satellite géostationnaire Meteosat Seconde Génération. La synergie entre les différentes observations de surface assimilées, à la fois conventionnelles, telles que la température et l’humidité relative à 2 m, et provenant de satellite, comme la LST, a ainsi été étudiée. L’utilisation de cette nouvelle observation satellite améliore la qualité des prévisions dans les basses couches de l’atmosphère, en particulier grâce à la prise en compte des corrélations d’erreurs d’ébauche entre les variables, permises par le nouveau système ensembliste. Ces travaux ont montré la robustesse et la flexibilité de ce nouveau système, permettant d’envisager l’assimilation de nouvelles observations directement en lien avec les variables du sol afin de mieux contraindre le système sur les surfaces continentales.
|
Numerous exchanges such as water, energy, and momentum occur at the surface-atmosphere interface and influence the atmospheric circulation. Modelling the surface-atmosphere coupling provides an accurate representation of the processes in the atmospheric boundary layer. This coupling takes place during the forecast through an exchange of information between the atmospheric model and the surface model. As Numerical Weather Prediction (NWP) is particularly sensitive to initial conditions, it is essential to provide forecasts with initial conditions that are consistent between the surface and the atmosphere at the analysis time. While robust, the current surface data assimilation system, based on an optimal interpolation method, is static, univariate, and independent of the atmospheric assimilation system. The introduction of new types of observations is also difficult by the lack of flexibility of the current system.
The aim of this work is to build an advanced surface analysis system, based on an ensemble approach, capable of assimilating different types of observations, particularly satellite observations. A proper knowledge of the initial states of the soil variables would thus provide better quality forecasts in the lower layers of the atmosphere.
The activities of the thesis consisted in improving the two-dimensional part of the surface analysis for the AROME-France model. Using ensembles, a two-dimensional variational ensemble system (2DEnVar) for analysing 2-m temperature and relative humidity variables was first implemented. The background-error covariances are then more realistic because they are multivariate and flow dependent. The quality of forecasts in the lower atmosphere is thus slightly improved, while remaining comparable to the current operational system.
Secondly, the analysis of a new surface variable, the Land Surface Temperature (LST), has been implemented in the 2DEnVar system. This new variable is analysed by assimilating new observations from the SEVIRI infrared radiometer on board the Meteosat Second Generation geostationary satellite. The synergy between the various assimilated surface observations, both conventional, such as 2-m temperature and relative humidity, and from satellites, as the LST, was studied. The use of this new satellite observation improves the quality of forecasts in the lower layers of the atmosphere, in particular by taking into account the correlations of background errors between variables, allowed by the new ensemble system. This work has demonstrated the robustness and flexibility of this new system, making it possible to assimilate new observations directly linked to soil variables in order to constrain more efficiently the system over land surfaces. |