Thèse soutenue

Représentation des erreurs de modélisation dans le système de prévision d'ensemble régional PEARO
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Meryl Wimmer
Direction : Loïk BerreLaurent Descamps
Type : Thèse de doctorat
Discipline(s) : Océan, Atmosphère, Climat
Date : Soutenance le 07/12/2021
Etablissement(s) : Toulouse 3
Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
Partenaire(s) de recherche : Laboratoire : Centre national de recherches météorologiques (France)
Jury : Président / Présidente : Jean-Pierre Chaboureau
Examinateurs / Examinatrices : Loïk Berre, Laurent Descamps, Stéphane Vannitsem
Rapporteurs / Rapporteuses : Éric Blayo, Clémentine Prieur

Résumé

FR  |  
EN

Malgré une amélioration constante des modèles numériques de prévision du temps, ceux-ci restent toujours entachés d'erreurs. La représentation de ces sources d'erreurs est donc primordiale, en particulier dans les systèmes de Prévision d'Ensemble. La Prévision d'Ensemble AROME (PEARO) utilisée à Météo-France représente actuellement les incertitudes du modèle AROME en perturbant des tendances en sortie des paramétrisations physiques. Cependant, cette méthode présente de nombreux inconvénients dont une difficile interprétabilité physique des résultats. Le présent travail s'intéresse à des méthodes plus physiques, s'appuyant sur la perturbation de paramètres au sein de ces paramétrisations. Sur les conseils d'experts en physique, 21 paramètres incertains à perturber ont été sélectionnés. Des analyses de sensibilité utilisant les méthodes de Morris et de Sobol' ont permis de réduire cette liste à huit paramètres ayant une influence forte sur les prévisions du modèle AROME. Différentes techniques de perturbations des paramètres incertains ont ensuite été mises en place et évaluées. Celles-ci améliorent les performances de la PEARO pour la plupart des variables de temps sensible telles que le vent et les précipitations. Différentes méthodes d'optimisation se focalisant sur l'amélioration du score statistique CRPS ont été testées. Ainsi, un jeu de paramètres pour chaque membre de la PEARO a été identifié. Cependant, celles-ci engendrent un biais systématique des membres de la PEARO. La réduction aux huit paramètres les plus influents a montré des résultats similaires à la version perturbant l'ensemble des paramètres incertains, suggérant un potentiel coût de réglage des modèles atmosphériques plus faible.