Estimation et validation a posteriori des statistiques d'erreur pour une assimilation à aire limitée

Estimation and a posteriori validation of error statistics for a limited area assimilation

• Auteur / Autrice : Wafaa Sadiki
• Direction : Claude Fischer
• Type : Thèse de doctorat
• Discipline(s) : Météorologie
• Date : Soutenance en 2005
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Incertitude de mesure

Théorie ergodique

Monte-Carlo, Méthode de

Théorie de la prévision

Analyse de covariance

Mots clés libres

Aladin

Assimilation variationnelle

Covariances d'erreur de prévision

Méso-échelle

Diagnostics a posteriori

Ergodicité

Méthode de Monte Carlo

Aladin

Variational assimilation

Background error covariances

Mesoscale

A posteriori diagnostics

Ergodicity

Monte Carlo method

Résumé

Les méthodes d'assimilation réalisent une combinaison entre une ébauche de l'état de l'atmosphère et des données d'observation. Il est nécessaire de fournir à l'algorithme assimilateur une estimation des erreurs affectant les différentes sources d'information. Nous nous intéressons surtout au schéma variationnel 3d dans le modèle à aire limitée ALADIN. L'objectif est d'étudier d'une part les propriétés des covariances d'erreur de prévision dans un modèle à aire limitée et, d'autre part, de tester dans un cadre de données d'observation réelles, des méthodes de réglage a posteriori des écarts-types d'erreur (prévision, observation). Nous avons d'abord constaté qu'aux grandes échelles les erreurs de prévision dans ALADIN sont contrôlées par le modèle coupleur ARPEGE. Par la validation a posteriori, nous avons mis en évidence une sous-estimation de la variance d'erreur de prévision, et une surestimation de la variance d'erreur d'observation. Nous avons également adapté ces diagnostics au cadre d'un système au nombre d'observations éventuellement faible, en faisant appel à des propriétés d'ergodicité dans les signaux.

Data assimilation methods perform a combination between a background state of the atmosphere and observations. The formulation of any assimilation system requires the knowledge of the weights attributed to each source of information. The system of interest is the limited area 3d-Var analysis of ALADIN. The aim is, on the one hand, to study the properties of background error covariances in a limited area model and, on the other hand, to apply the a posteriori diagnostics in a real data observation environment, in order to calibrate the background and observational error standard deviations. Firstly, we show that, for the large scales, the background errors are controlled by the ARP\`EGE global model. Secondly, through a posteriori validation, we have found an underestimation of the background error variance, and an overestimation of the observational error variance. Moreover, we have adapted these diagnostics to the frame of a limited amount of observations using ergodic properties of the signals.