Spelling suggestions: "subject:"< br /> kalman 1filter ensitivity"" "subject:"< br /> kalman 1filter densitivity""
1 |
Etude de l'optimisation d'un système d'observation adaptatif pour l'amélioration de la prévision des dépressions météorologiquesDoerenbecher, Alexis 21 June 2002 (has links) (PDF)
La prévision des cyclogenèses rapides par des modèles numériques reste un problème délicat, même à courte échéance (1-2 jours). Pour répondre à ce problème compté parmi les thèmes de recherche et objectifs scientifiques de la campagne FASTEX, le ciblage des observations doit améliorer la description de l'état initial des prévisions grâce au déploiement d'observations supplémentaires. La campagne FASTEX fut la première mise en £uvre expérimentale du ciblage au cours de laquelle les observations ciblées ont été déployées sur des zones géographiques dites sensibles calculées à l'avance.<br />Les zones sensibles de FASTEX, calculées avec les techniques issues des modèles linéaire et adjoint d'un modèle de prévision numérique, prennent en compte les propriétés dynamiques de l'atmosphère. <br /><br />Cependant, l'efficacité du ciblage dépend beaucoup du système d'assimilation des données utilisé. Afin de reformuler une technique de ciblage utilisant le modèle adjoint, on a développé une approche dite de sensibilité aux observations. Ce calcul linéaire tient compte des caractéristiques de toutes les observations en présence et de la façon dont elles vont être assimilées. La formulation de la sensibilité d'un aspect de la prévision aux observations est basée sur le calcul de l'adjoint de l'opérateur d'assimilation auquel est combiné un calcul avec l'adjoint de la prévision. Cette technique a été développée dans un cadre quasi opérationnel avec l'algorithme 3D-Var d'ARPEGE. <br /><br />La sensibilité aux observations permet, dans un contexte diagnostique, d'étudier de façon critique les déploiements d'observations adaptatives effectués durant la campagne FASTEX. Sur l'exemple de la POI17, l'étude de l'interaction des différents types d'observations qui interviennent dans l'assimilation (données conventionnelles et données ciblées) met en évidence des mécanismes complexes. Ces résultats éclairent le fonctionnement de l'impact des observations ciblées dans le système d'assimilation-prévision, ainsi que l'importance des valeurs observées pour l'impact final d'un jeu d'observations, qui explique l'effet parfois décevant de certains vols de FASTEX.<br />L'adjoint du système d'assimilation permet aussi de détecter des utilisations non optimales des observations ciblées dans le système 3D-Var. Le cas de la POI18 sert d'illustration pour une telle mise en £uvre de l'outil de la sensibilité aux observations. Cet outil révèle entre autres, la rusticité de la formulation des statistiques d'erreur de l'ébauche et d'observation modélisées pour ces données.<br /><br />Ces résultats ont permis de proposer une nouvelle approche du ciblage dans un cadre pronostique. Cette approche est basée sur une simulation de la réduction de la variance d'erreur de prévision dans une direction instable. Cette technique prend en compte à la fois la dynamique de l'atmosphère, le système d'assimilation et les erreurs dans les conditions initiales (au sens statistique). Cette étude tend à définir une approche optimale du ciblage au sens où celui-ci maximise l'efficacité des observations additionnelles utilisées sous des contraintes pré-définies. Même si la vaste question de l'optimisation du ciblage reste trop ardue avec les outils d'investigation actuels, différentes techniques sub-optimales ont été proposées.<br /><br />On a ainsi défini différentes stratégies de sélection de déploiements alternatifs qui ont été testées sur des situations de FASTEX. On montre ainsi la faisabilité de ces approches qui ouvrent la voie vers une formulation de techniques de ciblage plus optimales.
|
Page generated in 0.1321 seconds