Influence of physical parameterizations on the quality of initial conditions of a global numerical weather prediction system
Influence des paramétrisations physiques sur la qualité des conditions initiales d'un système global de prévision numérique du temps.
Résumé
This work falls within the context of numerical weather prediction (NWP), a field in which the emphasis is on improving forecasting systems such as ARPEGE, the operational system of Météo-France. Few years ago, a new parameterisation of deep convection has been tested in ARPEGE. This led to complications that resulted in the withdrawal of the new parameterisation and a growing suspicion of unknown interactions between the physical para- meterisations and the data assimilation process. As part of a new effort to replace the current deep convection parameterisation in ARPEGE with that developed by ECMWF, this thesis attempts to study the influence of physical parameterisations on the analysiss produced by a NWP system. In this work, two different sets of analysis, produced by operational versions of ARPEGE and IFS respectively, were used to compare differences in forecast skill arising from changes in initial conditions or from changes in the model formulation. This comparison revealed a similar impact of these two contributions on the forecast skill, which underlines the strong impact of initial conditions. With this strong impact of the analysis demonstrated, this study turned toward the iden- tification of physical parameterisation contribution on initial conditions. For this purpose, the two sets of analyses used previously were compared to each other, in order to identify similarities and differences, as well as the possible contribution of physical parameterisations. In addition, a third set of analyses was produced using the NWP system ARPEGE, modified with the IFS deep convection parameterisation. This shows how the analyses produced by ARPEGE and IFS become closer when the same deep convection parameterisation is used. In order to relate the differences in the analysis to the physical parameterisation behaviour in the forecast, an intercomparison of the physical tendencies between IFS and ARPEGE was carried out, using a diagnosis similar to that of IFS implemented in ARPEGE. This allows to highlight the similarities and differences between the representation of subgrid processes in ARPEGE and IFS, also to assess the impact of the new deep convection parameterisation on the tendencies. During the implementation of this new diagnosis in ARPEGE, an initial assessment of the entropy balance was carried out, making it the first entropy budget in a NWP model. Despite strong simplifications, the interest of such a budget for the development and validation of physical parameterisations has been highlighted. This should motivate fur- ther developments to produce a more accurate entropy budget. Finally, a linearised error expansion formalism was adapted and applied to the analysis in order to express the initial condition error as a sum of several contributions. This made it possible to simulate the contribution of a specific part of the model, namely the deep convec- tion parameterisation in our case, to the initial condition error. This has shown that in some regions the contribution of the deep convection parameterisation to the initial condition error is of similar magnitude to that of the observations. This work has shown the relative importance of the initial conditions for the forecast skill as well as the contribution of the deep convection parametrisation to the initial condi- tion error. This confirms that in addition to the direct impact on the forecast, the physical parameterisations have the ability to affect the performance of a NWP system via the per- turbation of the initial conditions, which demonstrates the importance of evaluating them in a complete NWP system. In future work, the methodologies and diagnosis developed in this study can be used to assess other physical parameterisations, such as the subgrid orographic effects that contribute to the large-scale circulation.
Cette thèse s’inscrit dans le cadre de la prévision numérique du temps (PNT), discipline dans laquelle on recherche l’amélioration des simulations de l’état atmosphérique, comme par exemple ARPEGE, système de prévision global opérationnel de Météo-France. Il y a quelques années, une nouvelle paramétrisation de la convection profonde a été testée dans ARPEGE, et a conduit à des complications qui ont amené au rejet de cette paramétrisa- tion, puis à soupçonner une interaction entre les paramétrisations physiques et l’assimilation de données. Dans le cadre d’un nouvel effort de développement pour remplacer la paramétri- sation de la convection profonde d’ARPEGE, par celle développée au CEPMMT, cette thèse se propose de mettre en évidence et d’étudier l’influence des paramétrisations physiques sur les analyses produites par un système de PNT. Nous avons tout d’abord utilisé deux séries d’analyses, issues respectivement des systèmes opérationnels ARPEGE et IFS, afin de comparer l’impact, sur les prévisions, du changement d’analyse et du changement de modèle. Nous avons mis en évidence un impact important des analyses sur la qualité des prévisions du même ordre de grandeur que l’impact du changement de modèle. Le fort impact des analyses ayant été montré, nous avons cherché à identifier le rôle des para- métrisations physiques dans les analyses. Pour cela nous avons comparé les séries d’analyses ARPEGE et IFS entre elles, pour caractériser leurs différences et identifier le rôle possible des paramétrisations physiques. L’utilisation, dans le modèle ARPEGE, de la paramétrisa- tion de la convection profonde du modèle IFS a fourni une troisième série d’analyses, qui se sont révélées plus proche des analyses IFS. Afin de lier les différences observées dans les analyses aux comportements des paramétrisa- tions physiques dans les prévisions, nous avons réalisé une intercomparaison des tendances des paramétrisations physiques entre ARPEGE et IFS, en implémentant dans ARPEGE un diagnostic similaire à celui fourni dans IFS. Cela a alors permis de mettre en avant les simi- larités et différences dans la prise en compte des phénomènes d’échelle sous-maille des deux modèles et de tester l’impact de la nouvelle paramétrisation de la convection profonde sur ces différences. Nous avons profité de ce travail sur les tendances des paramétrisations physiques, pour évaluer un premier bilan de la variable entropie dans un modèle de PNT. Malgré des simplifications importantes, nous avons montré l’intérêt de cette variable dans la validation des paramétrisations physiques, motivant ainsi le développement d’un prochain diagnostic plus précis de l’entropie. Enfin, grâce à l’utilisation d’un formalisme d’expansion linéarisée des erreurs, que nous avons adapté au cas des analyses, nous avons montré comment simuler la contribution d’un élé- ment du modèle à l’erreur d’analyse. Nous avons appliqué ce nouveau formalisme au cas de la paramétrisation de la convection profonde et nous avons pu montrer que dans certaines régions la contribution de la convection à l’erreur d’analyse est du même ordre de grandeur que celle des observations. Ces travaux ont donc mis en évidence l’importance des analyses sur les scores de prévision, mais aussi la contribution de la paramétrisation de la convection profonde aux incertitudes de l’analyse. Cela confirme que les paramétrisations physiques, en plus de leur impact direct dans les prévisions, ont une influence sur la qualité d’un système de PNT via leur influence sur les analyses, montrant ainsi l’importance de les évaluer dans un système de PNT complet. Les diagnostics et méthodes employés au cours de cette thèse, pourront être appliqués à d’autres paramétrisations physiques, notamment celle des effets de l’orographie sous-maille qui contribuent aux équilibres de grande échelle.
| Origine | Version validée par le jury (STAR) |
|---|