Cette thèse est à la confluence de deux thématiques. D’un côté, l’assimilation de données, qui consiste à initialiser les prévisions météorologiques au plus près de la réalité, en s’appuyant sur les dernières observations disponibles et sur une prévision récente (appelée "ébauche"). De l’autre, la modélisation des interactions océan-atmosphère dans les systèmes de prévision du temps. L’objectif est ici de réaliser une assimilation couplée atmosphère-océan dans laquelle les observations de l’atmosphère permettent de corriger l’océan. L’étude est réalisée avec le modèle AROME de Météo-France, dont la prévision est couplée à un modèle d’océan simplifié dans ses configurations outre-mer et qui utilise un schéma d’assimilation 3DEnVar sur l’hexagone. Dans ce schéma, un ensemble de prévisions est utilisé pour estimer une matrice B dépendante de la situation météorologique. Cette matrice contient les covariances d’erreur d’ébauche, qui filtrent et propagent spatialement l’information des observations dans le modèle et d’une variable à l’autre. Son estimation directe à partir d’un ensemble de prévisions couplées océan-atmosphère permet d’ajouter des variables océaniques dans l’assimilation atmosphérique, laquelle devient alors couplée avec l’océan.
La première étape du travail a été d’évaluer les covariances produites par un ensemble de prévisions couplées sur deux cas, un cyclone tropical sur l’océan Indien et un système convectif intense en Méditerranée. Pour chaque cas, un ensemble d’assimilations avec prévisions couplées a été construit et validé. Il a ainsi été vérifié que le système représente correctement ces phénomènes et leurs trajectoires. Les covariances d’erreur d’ébauche estimées sont physiquement cohérentes et dépendantes de l’écoulement, ce qui est une des caractéristiques recherchées pour une assimilation 3DEnVar.
L’étape suivante a été la construction d’une assimilation 3DEnVar couplée entre AROME et le modèle d’océan, ce qui a nécessité de spécifier des localisations verticales et horizontales étendues à l’océan, afin de filtrer le bruit d’échantillonnage dans les covariances d’erreur d’ébauche. Horizontalement, une même localisation dépendante de l’échelle spatiale a été appliquée pour l’atmosphère et l’océan. Verticalement, une localisation simplifiée a été mise en place pour pouvoir faire les premiers tests. Ces deux localisations sont évaluées avec l’assimilation d’une unique observation synthétique dans l’atmosphère et s’avèrent limiter le bruit d’échantillonnage de façon réaliste. Les incréments obtenus présentent des structures physiquement cohérentes mais de faibles amplitudes.
Trois expériences sont ensuite mises en place pour évaluer d’une part l’apport de l’assimilation 3DEnVar couplée et d’autre part l’apport d’une inflation des perturbations de l’ébauche pour amplifier les incréments océaniques. Ces expériences sont évaluées sur une période de 30 jours d’été. Le fait d’utiliser les incréments 3DEnVar couplés améliore légèrement les analyses et ébauches par rapport aux observations de surface et par rapport à une référence indépendante de température de surface de la mer. Une faible amélioration des prévisions longues est également constatée via des scores par rapport aux observations, notamment pour la prévision des rafales de vent ou des précipitations. L’apport de l’inflation quant à lui reste mitigé, voire peut dégrader les prévisions. Enfin, les prévisions sont évaluées sur un cas d’étude, le derecho du 18 août 2022, que l’assimilation 3DEnVar couplée sans inflation permet de mieux prévoir. Ces résultats constituent un premier pas encourageant et appellent à poursuivre les travaux, notamment pour perfectionner la localisation verticale dans l’océan, pour étudier plus en détail l’amplitude des incréments couplés, pour améliorer la représentation des erreurs dans les ensembles de prévisions, ou encore pour employer un modèle d’océan plus complet en adaptant alors les localisations à ce nouveau modèle. |
This thesis lies at the intersection of two research themes. The first is data assimilation, which involves initializing weather forecasts as close to reality as possible by leveraging the latest available observations and a recent forecast (known as the "background". The second is the modelling of ocean-atmosphere interactions within weather forecasting systems. The objective here is to implement a coupled atmosphere-ocean assimilation process in which atmospheric observations are used to correct the ocean state. The study utilizes Météo-France’s AROME model. For overseas configurations, the forecast is coupled with a simplified ocean model, while the configuration for metropolitan France employs a 3DEnVar assimilation scheme. In this scheme, an ensemble of forecasts is used to estimate a flow-dependent background error covariance matrix (B matrix). This matrix contains the background error covariances, which filter and spatially propagate observational information throughout the model and across different variables. Estimating this matrix directly from a coupled ocean-atmosphere forecast ensemble allows for the inclusion of oceanic variables in the atmospheric assimilation process, thereby creating a coupled atmosphere-ocean assimilation system.
The initial phase of the work involved evaluating the covariances generated by a coupled forecast ensemble across two specific cases: a tropical cyclone in the Indian Ocean and an intense convective system in the Mediterranean sea. For each case, an assimilation system utilizing coupled forecasts was developed and validated, confirming that the system accurately represents these phenomena and their trajectories. The estimated background error covariances are physically consistent and flow-dependent, which are key characteristics sought in a 3DEnVar assimilation system.
The next step involved developing a 3DEnVar assimilation system, coupled between AROME and the ocean model, which required specifying vertical and horizontal localization settings extended to the ocean in order to filter sampling noise in the background error covariances. A common, spatially scale-dependent localization scheme was applied horizontally for both the atmosphere and the ocean, while a simplified vertical localization was implemented for initial testing. Both localization methods were evaluated by assimilating a single synthetic atmospheric observation and were found to realistically limit sampling noise. The resulting increments exhibited physically consistent structures, albeit with low amplitudes.
Three experiments were then conducted to assess the benefits of the coupled 3DEnVar assimilation and the impact of inflating background perturbations to amplify oceanic increments. These experiments were evaluated over a 30-day summer period. Using coupled 3DEnVar increments led to slight improvements in analyses and background states when compared against surface observations and an independent sea surface temperature reference. A modest improvement in long-range forecasts was also observed based on verification scores, particularly for wind gusts and precipitation. However, the impact of inflation was mixed and, in some cases, even degraded the forecast performance. Finally, the forecasts were evaluated using a specific case study: the derecho of August 18, 2022. This convective event was better predicted using the coupled 3DEnVar assimilation without inflation. These results represent an encouraging first step and call for further work, specifically to refine vertical localization in the ocean, study the magnitude of coupled increments in greater detail, improve error representation in forecast ensembles, or employ a more comprehensive ocean model while adapting localization methods to that new model. |