Taking into account the uncertainties of the radiative transfer by an ensemble approach for the assimilation of microwave satellite data in cloudy sky
Prise en compte des incertitudes du transfert radiatif par une approche ensembliste pour l'assimilation des données satellitaires micro-ondes en ciel nuageux
Résumé
Microwave satellite observations are an essential component of the global observing system ; they strongly contribute to the quality of weather forecasts. Sensitive to water vapour, temperature and hydrometeors in all their forms, the microwave spectral domain is characterized by a rich information content on the vertical structure of the atmosphere. In the coming years, several microwave instruments will be carried on board satellites and will enhance the already available constellation. In order to fully benefit from these future instruments, it is important to prepare for their assimilation within Numerical Weather Prediction (NWP) models. One of the limitations preventing the full exploitation of microwave observations lies in the specification of the radiative properties to the observation operator (Geer and Baordo, 2014, Geer et al. 2017). This specification is required within the data assimilation process during the simulation of observations from atmospheric profiles of the model. These specifications are particularly important for observations localized in cloudy sky because they enable to characterize the effects of scattering of electromagnetic radiation by hydrometeors. Currently, most NWP systems seek to define an optimal radiative property for the simulation of each hydrometeor. Since solid hydrometeors are characterized by high morphological variability, this leads to a significant simplification of the microphysical processes present in nature (Geer and Baordo 2014, Haddad et al. 2015, Guerbette et al. 2016, Mangla et al. 2021). In recent years, methods addressing multiple properties started to emerge (Baran and Labonnote 2007, Kulie et al. 2010, Ringerud et al. 2019). Nevertheless, these methods can still be improved in order to be adapted to various meteorological situations and remote sensing instruments. The objective of this thesis is to explore new methods that can overcome the need of an optimal particle selection and take advantage of the diversity of the available radiative property databases. We first examined whether the observations have enough information content to dynamically define optimal combinations of radiative properties according to the observed meteorological situation. For this, we considered a Bayesian inversion operationally used at Météo-France for the assimilation of microwave satellite data in cloudy sky. Experiments were then conducted with the new method within the AROME-Antilles (Faure et al. 2020) and the ARPEGE (Bouyssel et al. 2022) models using observations from the GMI radiometer on board the American-Japanese GPM-Core satellite. To simulate radiances, different properties from the Liu et al. 2008 database were specified to the radiative transfer model RTTOV-SCATT v12 (Saunders et al. 2018). The results showed the relevance of each property within the inversions. Assimilation experiments were then carried out within the ARPEGE model and showed improvements on forecast wind scores when using four properties. Secondly, we exploited an ensemble assimilation system (Berre et al. 2015, Berre et al. 2019) building background error covariance matrices to propagate uncertainties related to radiative properties. Since a direct assimilation is planned to replace the current Bayesian method, assimilation experiments were carried using an all-sky 4D-Var approach. These experiments were performed using the ARPEGE model and GMI radiometer observations by using the Liu et al. 2008 database. Objective skill scores showed significant improvements by a random selection of radiative properties on the quality of wind, specific humidity and temperature forecasts.
Les observations satellitaires micro-ondes sont une composante essentielle du système d'observation global ; elles contribuent fortement à la qualité des prévisions météorologiques. Sensible à la vapeur d'eau, la température et aux hydrométéores sous toutes leurs formes, le domaine spectral des micro-ondes est caractérisé par un contenu riche en information sur la structure verticale de l'atmosphère. Dans les années à venir, plusieurs instruments micro-ondes seront embarqués à bord de satellites et permettront d'enrichir le système d'observation déjà disponible. Afin de bénéficier au mieux de ces futurs instruments, il est important de préparer leur assimilation au sein des modèles de Prévision Numérique du Temps (PNT). Un des éléments limitant la pleine exploitation des observations micro-ondes réside dans la spécification des propriétés radiatives à l'opérateur d'observations (Geer et Baordo, 2014, Geer et al. 2017). Cette spécification se retrouve au sein du processus d'assimilation de données lors de la simulation des observations à partir de profils atmosphériques du modèle. Ces spécifications sont particulièrement importantes pour des observations localisées en ciel nuageux car elles caractérisent les effets de diffusion. À l'heure actuelle, la plupart des systèmes de PNT cherchent à définir une propriété radiative optimale pour la simulation de chaque hydrométéore. Les hydrométéores solides étant caractérisés par une grande variabilité morphologique, cela amène à une simplification importante des processus microphysiques présents dans la nature (Geer and Baordo 2014, Haddad et al. 2015, Guerbette et al. 2016, Mangla et al. 2021). Ces dernières années, des méthodes traitant plusieurs propriétés ont commencé à apparaître (Baran and Labonnote 2007, Kulie et al. 2010, Ringerud et al. 2019). Néanmoins, ces méthodes peuvent encore être améliorées afin de s'adapter aux situations météorologiques et aux instruments de télédétection. L'objectif de cette thèse est d'explorer de nouvelles méthodes permettant de s'affranchir d'un choix de particule optimale et tirant avantage de la diversité des bases de données de propriétés radiatives disponibles. Nous avons dans un premier temps examiné si les observations possèdent un contenu en information suffisant pour définir de manière dynamique des combinaisons de propriétés radiatives optimales selon la situation météorologique observée. Pour cela, nous avons modifié une inversion Bayésienne exploitée opérationnellement à Météo-France pour l'assimilation de données satellitaires micro-ondes en ciel nuageux. Des expériences exploitant cette méthode ont été menées au sein des modèles AROME-Antilles (Faure et al. 2020) et ARPEGE (Bouyssel et al. 2022) à l'aide des observations du radiomètre GMI à bord du satellite Américano-Japonais GPM-Core. Pour simuler les radiances, différentes propriétés de la base de Liu et al. 2008 ont été spécifiées au modèle de transfert radiatif RTTOV-SCATT v12 (Saunders et al. 2018). Les résultats ont montré la pertinence de chaque propriété au sein des inversions. De nouvelles expériences ont ensuite été réalisées au sein du modèle ARPEGE et ont montré des améliorations lors de l'utilisation de quatre propriétés sur les scores de prévision du vent. Deuxièmement, nous avons exploité un système d'assimilation d'ensemble (Berre et al. 2015, Berre et al. 2019) construisant des matrices de covariances d'erreurs d'ébauche pour propager les incertitudes liées aux propriétés radiatives. Une assimilation directe étant prévue pour remplacer la méthode Bayésienne actuelle, des expériences d'assimilation ont été menées à l'aide d'une approche 4D-Var 'all-sky'. Ces expériences ont été réalisées à l'aide du modèle ARPEGE et des observations du radiomètre GMI en exploitant la base de Liu et al. 2008. Des scores objectifs ont mis en évidence des améliorations significatives apportées par une sélection aléatoire de propriétés radiatives sur la qualité des prévisions.
| Origine | Version validée par le jury (STAR) |
|---|