mod é lisation et assimilation des donn é es pour les surfaces continentales : une approche int é...
TRANSCRIPT
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), …