F. Rabier

UNE NOUVELLE TECHNIQUE D'ASSIMILATION DES DONNÉES D'OBSERVATION AU CEPMMT : L'ASSIMILATION VARIATIONNELLE QUADRIDIMENSIONNELLE

EnglishECMWF made a major step by switching its operational data assimilation method to four-dimensional data assimilation (4D-VAR). 4D-VAR uses all the tools from the previous operational system, 3D-VAR (same 6-hour assimilation window, same observations and same background term). The new ingredient is the temporal dimension. Over the 6-hour data assimilation window, 4D-VAR seeks the atmospheric model trajectory best fitting the observations and the background while satisfying an approximate geostrophic balance constraint. This allows to make a better use of the observations, in a way consistent with the dynamics, leading to better forecasts at all ranges in mid-latitudes. More over, a set of sub-grid scale physical processes has been introduced in the linearised versions of the forecast model used to solve the 4D-VAR variational problem. These physical processes describe deep moist convection, large-scale precipitation, vertical diffusion, longwave radiation and sub-grid-scale orographic effects. Because of the cost, these physical processes have been introduced in only a fraction of the variational processes. Nevertheless, their impact is significant for the humidity field in the Tropics, with a better performance of forecast quality in this region. 4D-VAR has been tested in parallel with the previous 3D-VAR for several months. A significant improvement of the forecast quality has been observed in both hemispheres. francaisLe Centre europeen pour les previsions meteorologiques a moyen terme (CEPMMT) a franchi le 25 novembre 1997 une etape majeure en adoptant lassimilation variationnelle quadridimensionnelle (4D-VAR) en tant que methode dassimilation de donnees pour la prevision numerique du temps. Lassimilation 4D-VAR emploie tous les ingredients du systeme precedent, le 3D-VAR (meme fenetre temporelle de six heures, memes observations et meme terme decart a lebauche), auxquels elle ajoute la dimension temporelle. Sur la fenetre temporelle de six heures, le 4D-VAR recherche la trajectoire du modele atmospherique qui passe « au plus pres » des observations et de lebauche, tout en satisfaisant une contrainte dequilibre geostrophique approche. Cela permet de mieux prendre en compte les observations, de facon coherente avec la dynamique. Dou des previsions ameliorees a toutes les echeances aux latitudes temperees. De plus, un ensemble de processus physiques dechelle sous-maille a ete introduit dans les versions linearisees du modele de prevision qui servent a resoudre le probleme variationnel que traite le 4D-VAR. Ces processus physiques representent les effets de la convection profonde, des precipitations stratiformes, de la diffusion turbulente, des processus radiatifs de grande longueur donde et de la partie du relief non resolue par les modeles. Pour des raisons de cout, ces processus physiques nont ete introduits que dans une partie du traitement variationnel. Ils ont cependant un effet significatif sur la description du champ dhumidite en zone tropicale, avec pour consequence une amelioration de la qualite des previsions dans ces regions. La technique 4D-VAR a ete testee en parallele avec lancienne methode 3D-VAR pendant plusieurs mois. On a observe une amelioration notable des performances de la prevision dans les deux hemispheres.

Sensibilité des erreurs de prévision aux conditions initiales

EnglishThe adjoint model, which is used in four-dimensional variational assimilation of meteorological data, can also tielp to investigate the sensitivity of forecast error to initial conditions in a diagnostic manner. Results obtained by this method over the month of April 1994 show that many cases of relatively poor model performance can be explained by weaknesses in the analysis. A slight modification of the analysis can be sufficient for improving substantially the quality of the forecast. francaisLe modele adjoint, qui est utilise pour mettre en oeuvre lassimilation variationnelle quadridimensionnelle de donnees meteorologiques, peut egalement servir a evaluer la sensibilite de lerreur de prevision aux conditions initiales. Les resultats obtenus par cette methode sur le mois davril 1994 montrent que de nombreux cas dechecs relatifs de la prevision peuvent etre expliques par des faiblesses de lanalyse. Une modification mineure de cette derniere est souvent suffisante pour ameliorer notablement la qualite de la prevision.