Modélisation et assimilation des données pour Modélisation et assimilation des données pour les surfaces continentales : les surfaces continentales :

Une approche intégréeUne approche intégrée

Modélisation et assimilation des données pour Modélisation et assimilation des données pour les surfaces continentales : les surfaces continentales :

Une approche intégréeUne approche intégrée

1-2 décembre, 2008

Colloque National LEFE-ASSIM, Paris, France

G. Balsamo G. Balsamo European Centre for Medium-range Weather Forecasts

En remerciant pour les contributions de:F. Bouyssel, J. Noilhan, J.F. Mahfouf, S. Bélair, G. Deblonde,

A. Beljaars, P. Viterbo, B. van den Hurk, A. Betts,M. Drusch, P. de Rosnay, K. Scipal,

J.C. Calvet, L. Jarlan, S. Lafont

Plan de la presentationPlan de la presentationPlan de la presentationPlan de la presentation

Introduction: Les reservoirs d’eau en surface

Les erreurs de la surface: Condition initiale ou erreur modele?

Les observations pour la surface L’analyse de la surface en PN La modelisation à l’aide de l’assimilation Conclusions et perspectives

Introduction: Les reservoirs d’eau en surface

Les erreurs de la surface: Condition initiale ou erreur modele?

Les observations pour la surface L’analyse de la surface en PN La modelisation à l’aide de l’assimilation Conclusions et perspectives

DA increments redistribute water and constraint near-surface errors DA increments redistribute water and constraint near-surface errors

snow Soilmoisture

Early snowmelting

moisture deficit

anticipate moisture supply

Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995)Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995)Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995)Les reservoirs d’eau selon ERA-40 (Hovmoeller 1986-1995)

Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)Les erreurs à 2m en temperature (ERA-40 1986-1995, previ 6h)

Les increments d’analyse de neige entre Les increments d’analyse de neige entre ERA-40 et ERA-InterimERA-40 et ERA-Interim

Les increments d’analyse de neige entre Les increments d’analyse de neige entre ERA-40 et ERA-InterimERA-40 et ERA-Interim

ERA-40 ERA-Interim1992, daily SWE increments

T159 (~125 km) 3D-VAR, CY23R4 T255 (~80km) 4DVAR, CY31R1

L’impact de la rugosite : Une decouvert de SnowMIP2L’impact de la rugosite : Une decouvert de SnowMIP2L’impact de la rugosite : Une decouvert de SnowMIP2L’impact de la rugosite : Une decouvert de SnowMIP2

<CY30R1

>CY31R1

Dutra et al. 2008

Importance de l’eau du sol et de la neige en PNImportance de l’eau du sol et de la neige en PNImportance de l’eau du sol et de la neige en PNImportance de l’eau du sol et de la neige en PN

Le contenu en eau du sol est responsable de la répartition du flux de rayonnement solaire incident en flux de chaleur sensible (H) et latent (LE) en surface (Bowen ratio)

La presence de neige determine une forte discontinuité dans l’albedo de surface (0.2-0.3 a 0.8) et fonctionne comme isolant thermique de la surface.

Affectent l’évolution de la couche limite Présentent une échelle temporelle (mémoire) de plusieurs semainesSpécificités: Absence d’observations directes sur un large domaine Variabilité spatiale élevée des paramètres de surfaceMéthode: Utiliser observations indirectes

Pour l’eau du sol(prec., 2m obs., obs. satellites)

Pour l’eau du sol T2m, Hu2m (Coiffier et al. 1987, Mahfouf 1991)

Le contenu en eau du sol est responsable de la répartition du flux de rayonnement solaire incident en flux de chaleur sensible (H) et latent (LE) en surface (Bowen ratio)

La presence de neige determine une forte discontinuité dans l’albedo de surface (0.2-0.3 a 0.8) et fonctionne comme isolant thermique de la surface.

Affectent l’évolution de la couche limite Présentent une échelle temporelle (mémoire) de plusieurs semainesSpécificités: Absence d’observations directes sur un large domaine Variabilité spatiale élevée des paramètres de surfaceMéthode: Utiliser observations indirectes

Pour l’eau du sol(prec., 2m obs., obs. satellites)

Pour l’eau du sol T2m, Hu2m (Coiffier et al. 1987, Mahfouf 1991)

T2m MEAN forecast BIAS and RMSE(France, 13-18 June, 2000)

-3,0

-2,0

-1,0

0,0

1,0

2,0

3,0

0 6 12 18 24 30 36 42 48Forecast time (hour)

T2m error (K)

Cas d’etude ALADIN-France, 13-18 Juin 2000 : Cas d’etude ALADIN-France, 13-18 Juin 2000 : les erreurs à 2m et l’eau du sol en ciel clairles erreurs à 2m et l’eau du sol en ciel clair

Cas d’etude ALADIN-France, 13-18 Juin 2000 : Cas d’etude ALADIN-France, 13-18 Juin 2000 : les erreurs à 2m et l’eau du sol en ciel clairles erreurs à 2m et l’eau du sol en ciel clair

Correlation des erreurs a T2m & eau du solCorrelation des erreurs a T2m & eau du sol

Evaluation des erreurs à 2m dans le modele et lien avec l’eau du sol

heterogeneity of soil moistureheterogeneity of soil moisture

RH2m MEAN forecast BIAS and RMSE(France, 13-18 June, 2000)

-30,0

-20,0

-10,0

0,0

10,0

20,0

30,0

0 6 12 18 24 30 36 42 48Forecast time (hour)

RH2m error (%)

RH2m forecast error

T2m forecast error

Wp initial error

Impact d’un erreur d’initialisation dans l’eau du solImpact d’un erreur d’initialisation dans l’eau du solImpact d’un erreur d’initialisation dans l’eau du solImpact d’un erreur d’initialisation dans l’eau du sol

t

t0

6 h12 h24 h48 h

5 days

10 days

Pour illustrer l’effet memoire pour l’eau du sol un erreur simulee est imposeEt l’impact analyse au cour d’un PN (T2m, RH2m)

Le Le modèle modèle de surface au CEPMMTde surface au CEPMMTLe Le modèle modèle de surface au CEPMMTde surface au CEPMMT

HTESSEL (Improved Hydrology: validation at monthly scales over 41 large World basins and daily scales only on Rhone basin

HTESSEL became operational the Nov. 2007

Balsamo et al. 2008, ECMWF tech. memo. 563, also to appear in J. of Hydromet.)

HTESSEL (Improved Hydrology: validation at monthly scales over 41 large World basins and daily scales only on Rhone basin

HTESSEL became operational the Nov. 2007

Balsamo et al. 2008, ECMWF tech. memo. 563, also to appear in J. of Hydromet.)

R1 > R2

D1 < D2

P1 = P2

_1 > _ 2

R2

Fine texture Coarse texture

Hydrology-TESSELGlobal Soil Texture Map (FAO)New formulation of Hydraulic properties Variable Infiltration capacity (VIC) surface runoff

La validation sur des sites de mesureLa validation sur des sites de mesureLa validation sur des sites de mesureLa validation sur des sites de mesure

SEBEX (Savannah, Sandy soil)

BERMS (Boreal Forest)

HTESSEL improves soil moisture and evaporation with respect to TESSEL in dry climates and leads to a better represented soil moisture inter-annual variability in continental climate

HTESSEL improves soil moisture and evaporation with respect to TESSEL in dry climates and leads to a better represented soil moisture inter-annual variability in continental climate

Le projet AMMA-ALMIP-MEM : Le projet AMMA-ALMIP-MEM : l’eau du sol et les Tb micro-ondesl’eau du sol et les Tb micro-ondes

P. de Rosnay, A. Boone, M. Drusch, T. Holmes, G. Balsamo, many others ALMIPers

Le projet AMMA-ALMIP-MEM : Le projet AMMA-ALMIP-MEM : l’eau du sol et les Tb micro-ondesl’eau du sol et les Tb micro-ondes

P. de Rosnay, A. Boone, M. Drusch, T. Holmes, G. Balsamo, many others ALMIPers

AMMA-ALMIP-MEM first spatial verification of SM/Tbs C-band AMMA-ALMIP-MEM first spatial verification of SM/Tbs C-band

(papers submitted to IGARSS and JGR)

AMSR-EC-bandTb

HTESSEL

Result: HTESSEL+CMEM is un-biased and reproduces satellite obs. statistics!

L’analyse des surfaces continentales depuis 1991L’analyse des surfaces continentales depuis 1991L’analyse des surfaces continentales depuis 1991L’analyse des surfaces continentales depuis 1991

L’analyse de surface par Interpolation Optimale L’analyse de surface par Interpolation Optimale (opérationnelle à Météo-France)(opérationnelle à Météo-France)

Mahfouf 1991, Bouttier 1993, Giard and Bazile 2000

L’analyse de surface par Interpolation Optimale L’analyse de surface par Interpolation Optimale (opérationnelle à Météo-France)(opérationnelle à Météo-France)

Mahfouf 1991, Bouttier 1993, Giard and Bazile 2000

analyse séquentielle (6h)

Correction des paramètres de surface (Ts, Tp, Ws, Wp) avec les incréments à

2m entre valeurs analysées et prévues

Interpolation Optimale de T2m et Hu2m à partir des observations SYNOP

sur la grille du modèle

T2m

t

Wp

t

RH2m

t

6-h 12-h 18-h 0-h

coefficients OI

T2m = T2ma - T2m

f RH2m = RH2ma - RH2m

f

Tsa - Ts

fT2m

Tpa - Tp

fT2m / 2Ws

a - WsfWsT T2m + WsRH RH2m

Wpa - Wp

fWpT T2m + WpRH RH2m

Wp/sT/RH = f (t, veg, LAI/Rsmin, texture, atm.cds.)

L’analyse de surface par assimilation variationnelleL’analyse de surface par assimilation variationnelleL’analyse de surface par assimilation variationnelleL’analyse de surface par assimilation variationnelleMahfouf (1991), Callies et al. (1998), Rhodin et al. (1999),

Bouyssel et al. (2000), Hess (2001), Balsamo et al. (2003), Mahfouf et al. (2008)

Formalisme:

Mahfouf (1991), Callies et al. (1998), Rhodin et al. (1999),Bouyssel et al. (2000), Hess (2001), Balsamo et al. (2003), Mahfouf et al. (2008)

Formalisme:

x vecteur des variables de contrôley vecteur des observationsH opérateur d’observation

analyse continue

T2m

t

Wp

t

RH2m

t

6-h 12-h 18-h 0-h

L’ analyse s’obtient par minimisation de la fonction coût J(x)

B matrice des covariancesd’erreur de l’ébauche

R matrice des covariancesd’erreur des observations

= ½ (x – xb) T B-1 (x – xb) + ½(y – H(x))T R-1 (y – H(x))

J(x) = J b(x) + J o(x)

Avantages: assimilation obs. asynoptiques,Extension fenêtre d’assim. (24-h)

La méthode 2D-VAR utilisée dans le modèle PN completLa méthode 2D-VAR utilisée dans le modèle PN completLa méthode 2D-VAR utilisée dans le modèle PN completLa méthode 2D-VAR utilisée dans le modèle PN complet

Wp W’p=Wp + Wp

p

pm

p

pm

p

m

p

m

T

WRH

WT

WRH

WT

)(2

)(2

)1(2

)1(2

...H

)(2

)(2

)1(2

)1(2 ,,...,,)( p

mpmmmb RHTRHTxHy

Une perturbation initiale de l’eau du sol Wp est appliquée en chaque point de grille du modèle.

T2m (i) = T2mG (i) - T2m

G’ (i) Guess G

Guess G’

T2m

t

t=0 1 2 … p

T2m (i) = T2mG (i) - T2m

O (i)

Wp

C-band TbC-band Tb

IR TIR Tskinskin

Comment les radiances microondes et infrarouge nous informent Comment les radiances microondes et infrarouge nous informent sur le contenu en eau du solsur le contenu en eau du sol??

Sounding soil depth Frequency Wavelength Atmospheric absorption

~5 cm 1.4 GHz 21 cm Negligible

~1cm 6.9 GHz 5 cm Low (except rainy area)

superficial (27.7 THz) 10.8 μm Important – clear sky only

L-band TbL-band Tb

Ws

Wp

Ws

Wp

C-band TbC-band TbL-band TbL-band Tb

Soil moisture modifies soil dielectric const. emissivity ε

IR TsIR Ts

Tb = ε Ts

Soil moisture affects Skin temperature and heating rate

G G’ Obs.

Tb, H

t

Wp

t

Tb, V

t

0-h 1-h 2-h 3-h … ………… 23-h 0-h 0-h 1-h 2-h 3-h … …… 23-h 0-h

L-bandL-band & C-BandC-Band TB L-bandL-band & C-BandC-Band TB

Every hour (except RFI in C-band)

IR TskinIR Tskin (or HR)

TsIR

Wp

t

t

Morning

(except Clouds)

L’analyse de l’eau du sol en PNL’analyse de l’eau du sol en PNL’analyse de l’eau du sol en PNL’analyse de l’eau du sol en PN

La plupart des techniques d’assimilation opérationnelles utilisent les 3 hypothèses suivantes :

Indépendance(hypothèse de « truncated control variable space », permettant

de traiter l’analyse de surface séparément de l’altitude) Locale

(hypothèse de découplage spatial horizontal) Linéaire

(hypothèse linéaire pour l’opérateur d’observation)

Différentes méthodes ont été testées et sont utilisées opérationnellement:

Interpolation Optimale (OI), Assimilation variationnelle (VAR), Filtre de Kalman (EKF, EnKF)

La plupart des techniques d’assimilation opérationnelles utilisent les 3 hypothèses suivantes :

Indépendance(hypothèse de « truncated control variable space », permettant

de traiter l’analyse de surface séparément de l’altitude) Locale

(hypothèse de découplage spatial horizontal) Linéaire

(hypothèse linéaire pour l’opérateur d’observation)

Différentes méthodes ont été testées et sont utilisées opérationnellement:

Interpolation Optimale (OI), Assimilation variationnelle (VAR), Filtre de Kalman (EKF, EnKF)

Hypothèse de linéaritéHypothèse de linéaritéHypothèse de linéaritéHypothèse de linéarité

T’2m

T2m

T’2m

T2m

A)

B)

A) B)Une situation réelle (16 juin 2000 à 12UTC)est considérée pour tester la sensibilité aux perturbations initiales de l’eau du sol en fonction des conditions atmosphériques

L’hypothèse 2D est validée à l’aide des données simulées sur une situation réelle

Depuis une erreur initial prescrit Depuis une erreur initial prescrit WpWp

Les erreurs de Les erreurs de prévision à 6-h pour prévision à 6-h pour TT2m2m et et HuHu2m2m

Erreur d’ analyseErreur d’ analyse

hypothèse 2D (découplage horizontal)hypothèse 2D (découplage horizontal)hypothèse 2D (découplage horizontal)hypothèse 2D (découplage horizontal)

Convergence de l’analyseConvergence de l’analyseConvergence de l’analyseConvergence de l’analyse

Des observations simulées (consistantes avec SWI=0.5) ont été assimilées sur une période de 10 jours

analyse 2D-VAR optimisé sur une fenêtre d’assim. de 24-h

Des expériences avec observations réelles ont pu être considères

Comparaison du 2D-VAR et OI à Météo-FranceComparaison du 2D-VAR et OI à Météo-FranceComparaison du 2D-VAR et OI à Météo-FranceComparaison du 2D-VAR et OI à Météo-France

A comparison with OI (Gain Matrix and OI coefficients) is useful to point out

some properties of the variational approach

A comparison with OI (Gain Matrix and OI coefficients) is useful to point out

some properties of the variational approach

Veg. Veg. cover (%)cover (%)

Radiation Radiation (W/m(W/m22))

Wfc

WwiltSWI%15

– masking of low sensitivity grid-points (coherence of masked areas) – dependency from radiation rather than vegetation– evaluation of the overall correction of the OI ( )

Comparaison du EKF et OI au CEPMMTComparaison du EKF et OI au CEPMMTComparaison du EKF et OI au CEPMMTComparaison du EKF et OI au CEPMMT

Drusch et al. 2008 (ECMWF Tech. memo 576)

2D-VAR ALADIN comparé à SIM off-line2D-VAR ALADIN comparé à SIM off-line2D-VAR ALADIN comparé à SIM off-line2D-VAR ALADIN comparé à SIM off-line

Habets et al. (1999)

Un cycle d’assimilation 2D-VAR avec observations réelles pour l’analyse de l’eau du sol fournit une champ réaliste comparable au modèle hydrologique couplé, SAFRAN-ISBA-MODCOU (forcé par Prec., Ray. observés).

Balsamo et al. (2003)

Equivalence de l’approche “stand-alone” & Equivalence de l’approche “stand-alone” & “atmospheric-coupled” pour evaluer les Jacobiens“atmospheric-coupled” pour evaluer les Jacobiens

Mahfouf et al. 2008 (JGR, submitted), Jarlan et al. 2008 (JGR accepted), Balsamo et al 2007 (JHM)

Equivalence de l’approche “stand-alone” & Equivalence de l’approche “stand-alone” & “atmospheric-coupled” pour evaluer les Jacobiens“atmospheric-coupled” pour evaluer les Jacobiens

Mahfouf et al. 2008 (JGR, submitted), Jarlan et al. 2008 (JGR accepted), Balsamo et al 2007 (JHM)

Atmospheric-coupledAtmospheric-coupled Stand-AloneStand-AloneAtmospheric-coupledAtmospheric-coupled Stand-AloneStand-Alone

Comparison of OI and stand-alone 2DVAR, EKF

Mahfouf 2007 (Meteo-Franceinternal note)

Balsamo et al. 2006, 2007 (JHM)

T2m

Q2m

TIR

Tb(C)

Tb(L)

Une strategie de developpement pour la surfaceUne strategie de developpement pour la surfaceUne strategie de developpement pour la surfaceUne strategie de developpement pour la surface

sites (Offline)

2D (Offline)

Global (Offline)

Coupled GCM

Coupled GCM + DAGenerality

Complexity/Cost

ConclusionsConclusionsConclusionsConclusions

L’eau du sol et la quantité de neige accumulée en surface sont des variables critiques pour la performance de la prévision du temps sensible dans la basse troposphère.

L’initialisation à l’aide des techniques d’estimation optimales (OI EKF, EnKF) represente le cadre ideal pour integrer plusieurs observations.

Une assimilation multi-variee en surface montrera des erreurs modele (operateur d’observation et schemas de surface).

Une approche intégrée pour le développement et la validation des schémas pour la surface en prenant en compte les increments d’analyse permet de valider de facon generale l’ensemble des schemas modele et assimilation.

L’eau du sol et la quantité de neige accumulée en surface sont des variables critiques pour la performance de la prévision du temps sensible dans la basse troposphère.

L’initialisation à l’aide des techniques d’estimation optimales (OI EKF, EnKF) represente le cadre ideal pour integrer plusieurs observations.

Une assimilation multi-variee en surface montrera des erreurs modele (operateur d’observation et schemas de surface).

Une approche intégrée pour le développement et la validation des schémas pour la surface en prenant en compte les increments d’analyse permet de valider de facon generale l’ensemble des schemas modele et assimilation.

PerspectivesPerspectivesPerspectivesPerspectives

L-band TbL-band TbL-band TbL-band Tb

SMOS ESA mission (2009/09) SMAP NASA mission

C-band passive TbC-band passive TbAQUA AMSR-E instrument (05/2002)

IR TsIR TsGOES-E GOES-W MSG MTSAT

MetOP ASCAT (2008- ) C-band activeC-band active

Comparaison ERA-40 ERS-ScatComparaison ERA-40 ERS-ScatComparaison ERA-40 ERS-ScatComparaison ERA-40 ERS-Scat

Satellite and model soil moisture show good agreement

High Agreement of absolute values and anomalies in tropics and mid latitudes

Problems in desert (sensor related) and in cold climates

Assimilation du LAI dans CTESSELAssimilation du LAI dans CTESSELAssimilation du LAI dans CTESSELAssimilation du LAI dans CTESSEL

Assimilation of LAI

LAI

10 days as s imilation windo w

Leaf Area Index Obs ervation

Analys is o f bio mas s

Analys is o f biomas s

Co ntro l run (no as s imilatio n)

Cycling

of surface

variables

Cycling

of surface

variables

Assimilation of LAI

LAI

10 days as s imilation windo w

Leaf Area Index Obs ervation

Analys is o f bio mas s

Analys is o f biomas s

Co ntro l run (no as s imilatio n)

Cycling

of surface

variables

Cycling

of surface

variables

Bm

B’m=Bm+ Bm

⎟⎟⎟⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜⎜⎜⎜

⎝

⎛

=T

LAIΒm

δ (1)

...H

δLAI (i) = LAI G’ (i) - LAI G (i)

Guess G’

Guess G

LAI

t

t=0 1 2 … p

δBinit

LAIδΒm

δ (p)

_ Numerical linearization of the observation operator

_ Analysis on LAI grid: LAIa = LAIf + K(LAIobs - LAIf)

Distribution of the increments to the tiles using the cover fractions

Bm

B’m=Bm+ Bm

⎟⎟⎟⎟⎟⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜⎜⎜⎜⎜⎜

⎝

⎛

=T

LAIΒm

δ (1)

...H

δLAI (i) = LAI G’ (i) - LAI G (i)

Guess G’

Guess G

LAI

t

t=0 1 2 … p

δBinit

LAIδΒm

δ (p)

_ Numerical linearization of the observation operator

_ Analysis on LAI grid: LAIa = LAIf + K(LAIobs - LAIf)

Distribution of the increments to the tiles using the cover fractions

Lionel Jarlan et al. 2008

Land surface DA system lay-out DA scheme (simplified 2D-VAR)Jarlan et al. (2006), Balsamo et al. (2004)

CTESSEL vs LAI satellite (2002-2003). CTESSEL vs LAI satellite (2002-2003). Une application en Une application en Afrique de l’ouestAfrique de l’ouest

CTESSEL vs LAI satellite (2002-2003). CTESSEL vs LAI satellite (2002-2003). Une application en Une application en Afrique de l’ouestAfrique de l’ouest

Time series over 2002-2003 (after rescaling) Time series over 2002-2003 (after rescaling)

Strong time shift of CTESSEL (# ISBA-A-gs)C-TESSEL – MODIS consistent over forest and Savanna (min value)

The DA helps to correct the model delay in vegetation growthLow values of LAI in the observations are still difficult to achieve

Leaf area IndexLeaf area Index && Net Ecosystem Net Ecosystem (LAI) (LAI) Exchange (NEE) Exchange (NEE)

Leaf area IndexLeaf area Index && Net Ecosystem Net Ecosystem (LAI) (LAI) Exchange (NEE) Exchange (NEE)

TESSEL C-TESSEL :

BERMS site Old Aspen.8 years data set.

NOTE: NEE total flux conservation imposed

L-band TbL-band TbL-band TbL-band TbC-band TbC-band Tb IR TsIR Ts

Observations simulees au-dessus de L’Amerique du NordObservations simulees au-dessus de L’Amerique du Nord

T/H 2mT/H 2m

hourly 6-hourly

~50 km spatial resolution

L-band TbL-band TbL-band TbL-band TbC-band TbC-band Tb IR TsIR Ts T/H 2mT/H 2m

INFORMATIVITY on SOIL MOISTURE

2008/2015 AVAILABILITY now

+ Large information content

+ Global Coverage

+ Reduced Atmospheric Contrib.

-Surface soil moisture ?

-Not Available ‘till 2007

+ Large information content

+ Global Coverage

+ Reduced Atmospheric Contrib.

-Surface soil moisture ?

-Not Available ‘till 2007

+ Global coverage

+ Relatively reduced Atmospheric contrib.

- RFI

- Vegetation masking VWC>1kg/m2

+ Global coverage

+ Relatively reduced Atmospheric contrib.

- RFI

- Vegetation masking VWC>1kg/m2

+ Large coverage

- Cloud Masking

- Model Bias

+ Large coverage

- Cloud Masking

- Model Bias

+ Wide validation

-Coverage

-Variable Information Content

+ Wide validation

-Coverage

-Variable Information Content

Contenu en information des observationsContenu en information des observationsContenu en information des observationsContenu en information des observations

Sécheresse de l’été 2003: Comparaison de l’eau du sol et desSécheresse de l’été 2003: Comparaison de l’eau du sol et des

variations de l’indice de végétation (NDVI)variations de l’indice de végétation (NDVI)

Juin Juillet

(CNES, 2003) Images SPOT/VEGETATION

Variation des NDVI 2003 par rapport au 2002,

fournit par Dr. Vincent Rivalland

+Forte Indice 2003/2002 +Faible

Variation du SWI du 30 juin 2003 par rapport au 30 juin 2000

Le 30 Juin 2003 (exp. 2D-Var + Ecoclimap (Masson et al. 2003))

ISBA-A-gs / C-TESSEL

Met. forcing LAI

LE, H, Rn, W, Ts…

Active Biomass

CO2 Flux[CO2]atm

ISBA / TESSEL

Met. forcing LAI

LE, H, Rn, W, Ts…

ISBA-A-gs / C-TESSEL are CO2-responsive land surface models, new versions of operational schemes used in atmospheric models

Prescribed (without seasonal cycle)

INTERACTIF

Le cycle du carbone et la vegetation interactive Le cycle du carbone et la vegetation interactive (C-TESSEL)(C-TESSEL)

Le cycle du carbone et la vegetation interactive Le cycle du carbone et la vegetation interactive (C-TESSEL)(C-TESSEL)

Adaptation dynamique de la prévision globale ARPEGE à échelle plus fine (~10 km)

Le modèle de surface dans ALADIN-FranceLe modèle de surface dans ALADIN-FranceLe modèle de surface dans ALADIN-FranceLe modèle de surface dans ALADIN-France

Énergie Eau

Le schéma ISBA est utilisé.Noilhan & Planton, (1989),Noilhan & Mahfouf, (1996),Bazile (1999), Giard & Bazile (2000), …