Les conditions initiales du modèle de prévision numérique du temps à échelle convective AROME sont fournies par un système d’assimilation de données 3D-Var dans lequel les observations issues des radars au sol sont prépondérantes lors de situations précipitantes (vitesse radiale et réflectivité horizontale).
La réflectivité horizontale n’est pas exploitée de manière optimale car elle est transformée au préalable en profil d’humidité relative avant son utilisation dans le 3D-Var. Les contenus en hydrométéores dont elle dépend directement ne sont donc pas modifiés par l’assimilation. Le réseau radar national permet également d’accéder à des variables polarimétriques grâce à la mesure simultanée de la réflectivité selon deux directions. Ces observables fournissent des informations complémentaires sur la microphysique (phase, forme et orientation des hydrométéores). Cette thèse propose d’étudier le potentiel de ces variables pour l’initialisation des hydrométéores dans le modèle AROME grâce à une méthode d’assimilation variationnelle directe.
Pour cela, un opérateur d’observation radar polarimétrique s’appuyant sur la méthode des T-matrices pour décrire la diffusion a été utilisé afin de simuler les réflectivités horizontale et différentielles, la phase différentielle spécifique et le coefficient de corrélation à partir des contenus en hydrométéores du modèle AROME. Sa capacité à décrire précisément ces variables a été étudiée sur un ensemble varié de situations météorologiques et les statistiques d’innovations ont été calculées. Par ailleurs, les sensibilités des variables polarimétriques aux contenus en hydrométéores ont été mises en évidence en déterminant les éléments de la matrice Jacobienne en différences finies. Les réflectivités horizontale et différentielle sont apparues comme étant les variables les plus informatives. Du fait des limitations de l’opérateur et de la microphysique du modèle, le coefficient de corrélation n’a pas pu être exploité. Après avoir linéarisé l’opérateur d’observation et estimé les matrices de covariances d’erreurs pour l’ébauche et les observations, le contenu en information des variables polarimétrique a été quantifié. Enfin, des expériences d’assimilation 1D-EnVar ont été menées pour des situations météorologiques contrastées. Elles ont montré la capacité de l’algorithme à extraire une information pertinente sur les hydrométéores précipitants (principalement en phase liquide) à partir de la réflectivité horizontale, et dans une moindre mesure de la réflectivité différentielle. Les autres variables polarimétriques peinent à proposer une valeur ajoutée, notamment dans la phase glacée. |
The initial conditions of the numerical weather prediction AROME model are given by a 3D-Var assimilation scheme in which ground based radar observations (Doppler winds and horizontal reflectivity) represent, when precipitation occurs, the major part of the assimilated observations.
Due to its transformation into relative humidity profiles before being assimilated in the 3D-Var, horizontal reflectivity is not fully exploited. Hydrometeors on which it relies on are thus not modified by the assimilation process. The French radar network also provides polarimetric observations by sending pulses in two different orientations. Those variables contain information about microphysics (hydrometeor types, shapes and orientations). In the present PhD, the potential of such variables for the initialization of hydrometeors in the ARIME model is investigated with a direct variational assimilation scheme.
For that purpose, a polarimetric radar observation operator, using the T-matrix method for scattering computations, is used to simulate horizontal and differential reflectivities, specific differential phase and copolar correlation coefficient, from AROME hydrometeor contents. The observation operator ability to simulate those variables is studied for several meteorological events by computing innovation statistics. The polarimetric variable sensitivities to hydrometeor contents are also examined by computing the Jacobian matrix elements in finite differences. The horizontal and differential reflectivities appear to be the most informative observations. Due to limitations in the observation operator and in the AROME microphysical scheme, the copolar correlation coefficient is not been further considered in this study. After the linearization of the observation operator and the estimation of error covariance matrices (for observations and background), the information content of polarimetric observation is examined. Then, a set of 1D-EnVar assimilation experiments has been performed for contrasted meteorological events. They reveal that the 1D-EnVar can retrieve relevant information for precipitating hydrometeors (especially for rain) from horizontal reflectivity and from differential reflectivity to a lesser extent. Regarding other polarimetric variables, significant information has not been obtained, especially for frozen hydrometeors. |