Usage des observations

Les modèles numériques utilisent des observations conjointement aux informations provenant du modèle pour pouvoir décrire l’atmosphère servant de point de départ à une prévision. Ces observations sont de différentes nature comme l’illustre la figure montrant le nombre d’observations par mois utilisé par le modèle global ARPEGE.

 Observations conventionnelles et données satellitaires

Les données météorologiques conventionnelles sont utilisées de longue date. Il s’agit de données de surface provenant de stations synoptiques (SYNOP) et de bouées, de profils atmosphériques émanant de radio sondages (TEMP) et de bateaux (SHIP). Cet ensemble constitue l’épine dorsale du système d’observation global. Les avions de ligne fournissent des informations relatives aux températures et aux vents (AIREP) à leur niveau de vol. Des profils de vents également sont enregistrées par des capteurs (profileurs) en divers endroits (PILOT/PRF). Très récemment, les données GPS reçues par des stations au sol ont été assimilées dans le système. Elles fournissent des informations sur l’humidité intégrée de l’atmosphère (GPS sol).

L’assimilation utilise de façon importante les données satellitaires : mouvements atmosphériques à partir d’instruments à bord de plate-formes géostationnaires ainsi que d’appareils de télédétection (imageurs) embarquées sur des satellites en orbite polaire (SATOB), des radiances depuis les sondeurs HIRS, AMSU, AIRS, IASI et SEVIRI, des données issues de diffusiomètres (SCAT), et obtenues par radio-occultation du signal GPS.

Les données en temps réel échangées avec plusieurs centres météorologiques nationaux sont assimilées pour permettre l’émission de prévisions météorologiques en temps et heure. D’autres données provenant de la recherche sont utilisées pour valider les modèles. Le CNRM collabore étroitement avec des agences spatiales telles que le CNES, ESA et EUMETSAT et met en réseau des services tel que le Numerical Weather Prediction Satellite Application Facility d’EUMETSAT, et avec le CEPMMT.

 A mésoéchelle

Un effort soutenu est consacré au développement de l’assimilation de données pour les modèles méso-échelle ALADIN et AROME. Des données aux échelles fines sur l’Europe de l’Ouest constituées des données géostationnaires de METEOSAT, des données aux échelles fines des stations automatiques, et des données radar s’ajoutent aux autres observations utilisées également à grande échelle. Le tout est accompli en conservant la philosophie ARPEGE/IFS qui consiste à, tant que faire se peut, utiliser des données brutes à l’aide d’opérateurs d’observation physiques. Voir par exemple les réflectivités radar fournies en entrées au modèle AROME.

  Principales références

  • Fourrié, N . et F. Rabier , 2004 : Cloud characteristics and channel selection for IASI radiances in meteorologically sensitive areas, QJRMS, 130, 1839-1856.
  • Dahoui, M., Lavanant L., Rabier, F., and Auligné T., 2005 : Use of the MODIS imager to help dealing with AIRS cloudy radiances. Quart. J. R. Met. Soc., 131B, 610, 2559-12580.
  • Fourrié N., Marchal D., Rabier F., Chapnik B., and G. Desroziers, 2006 : Impact study of the 2003 North Atlantic THORPEX Regional Campaign, Quart. J. R. Met. Soc, 132, 275 – 295.
  • Karbou F., E. Gérard, and F. Rabier , 2006, Microwave Land Emissivity and Skin Temperature for AMSU-A & -B Assimilation Over Land, Q. J. R. Meteorol. Soc., 132, N°620 pp. 2333-2355.
  • Montmerle, T., F. Rabier and C. Fischer, 2007 : Respective impact of polar-orbiting and geostationary satellites observations in the Aladin/France numerical weather prediction system. Quart. J. Roy. Meteor. Soc., 133, 655-671.
  • Poli, P., P. Moll, F. Rabier, G. Desroziers, B. Chapnik, L. Berre, S.B. Healy, E. Andersson, F.-Z. El Guelai, 2007 : Forecast Impact Studies of Zenith Total Delay Data from European Near Real-Time GPS Stations in Meteo France 4DVAR, J. Geophys. Res., 112, D06114, doi :10.1029/2006JD007430.
  • Montroty, R., F. Rabier, S. Westrelin, G. Faure and N. Viltard, 2008 : Impact of wind bogus and cloud and rain affected SSM/I data on tropical cyclones analyses and forecasts. QJRMS, 134, 1673-1699.
  • Poli, P., S. Healy, F. Rabier, J. Pailleux, 2009 : Preliminary assessment of the scalability of GPS Radio-Occultations impact in Numerical Weather Prediction. Geophys. Res. Lett., 35, L23811, doi:10.1029/2008GL035873.
  • Faccani, C., F. Rabier, N. Fourrié, A. Agusti-Panareda, F. Karbou, P. Moll, J-P Lafore, M. Nuret, F. Hdidou, and O. Bock, 2009 : The impacts of the AMMA radiosonde data on the French global assimilation and forecast system. Weather and Forecasting, Vol 24, 1268-1286.
  • Pangaud T., N. Fourrié, V. Guidard, M. Dahoui, F. Rabier, 2009 : Assimilation of AIRS radiances affected by mid to low-level clouds. MWR. Volume 137, Issue 12 (December 2009) pp. 4276-4292
  • Karbou, F., E. Gérard and F. Rabier, 2010 : Global 4D-Var assimilation and forecast experiments using land surface emissivities from AMSU-A and AMSU-B observations. Part I : Impact on sounding channels. Weather and Forecasting, 25, 5-19.
  • Karbou, F., F. Rabier, J-P Lafore, J-L Redelsperger, and O. Bock, 2010 : Global 4D-Var assimilation and forecast experiments using land surface emissivities from AMSU-A and AMSU-B observations. Part II : Impact of adding surface channels on the African monsoon during AMMA. Weather and Forecasting, 25, 20-36.
  • Bouchard A, F. Rabier, V. Guidard & F. Karbou, 2010 : Enhancements of satellite data assimilation over Antarctica. MWR, June 2010, 138, 2149-2173.
  • Caumont, O., V. Ducrocq, É. Wattrelot, G. Jaubert, S. Pradier-Vabre, 2010 : 1D+3DVar assimilation of radar reflectivity data : A proof of concept. Tellus, 62A(2), 173-187, DOI : 10.1111/j.1600-0870.2009.00430.x.