COSMO-NExT - le nouveau système de modèles numériques pour les prévisions du temps

Début du projet 01.01.2012
Fin du projet 31.12.2016
Thèmes Recherche et collaboration
Météo
Climat
Région Régione alpine
Statut Projects actuels

En 2012, MétéoSuisse a lancé le projet COSMO-NExT afin de développer le nouveau système de modèles numériques pour la prévision du temps (Numerical Weather Prediction, NWP), capable de fournir des prévisions à une échéance de 5 jours. Le nouveau système, constitué de deux modèles appelés COSMO1 et COSMO-E, est basé sur un algorithme pour l’assimilation des données, qui appartient à un ensemble de données initiales. Ce système est opérationnel depuis le début 2016.

Le système de modèles numériques COSMO-NExT comprend, pour la régions alpine :

  • L’algorithme pour l’assimilation des données basé sur le Local Ensemble Transform Kalman Filter(LETKF)
  • Le modèle déterministe COSMO-1, d’une maille de 1.1 km
  • Le modèle probabiliste COSMO-E, d’une maille de 2.2 km

COSMO-1 et COSMO-E sont opérationnels depuis le printemps 2016

Le projet de recherche et développement comprend 4 sous projets.

COSMO-1

Affichage aggrandi: Figure 1: comparaison de la topographie du modèle pour l’Oberland bernois avec une résolution de 2.2 et 1.1 km
Figure 1: comparaison de la topographie du modèle pour l’Oberland bernois avec une résolution de 2.2 et 1.1 km

Principaux principales :

  • Prévisions déterministes avec une résolution spatiale très élevée (maille de 1.1 km) pour la région alpine
  • Cycle de mise à jour rapide pour les prévisions à court terme : sept fois par jour jusqu’à +33 heures, de 03 UTC jusqu’à +45 heures.
  • Conditions initiales fournies encore provisoirement par un cycle d’assimilation à l’aide du nudging mais qui sera remplacé ultérieurement par un système d’assimilation de données basé sur unpar LETKF (voir ci-après)
  • Conditions aux bords constituées par les prévisions IFS-HRES de ECMWF

Résultat :

  • Meilleures prévisions de l’évolution à court terme de l’état tridimensionnel de l’atmosphère
  • Principaux motifs pour une maille de de 1.1 km :
  • Meilleure résolution de la topographie, important pour simuler le comportement des conditions atmosphériques à proximité du sol dans les régions avec une orographie complexe (cfr. figure 1) 
  • Les effets à grande échelle de la convection profonde convergent avec une résolution proche de 0 (1km)
  • Permet d’éviter les incertitudes dues aux paramétrisations (p.ex. schéma de convection, SSO)
  • Bonne concordance avec la résolution de plusieurs sets de données disponibles également sur une grille (p.ex. radar, satellite)

Défis :

  • Stabilité du nucléus dynamique dans les zones avec une orographie particulièrement rapide
  • Représentation des phénomènes de turbulence à petite échelle(sud-grid)

COSMO-E

Principaux objectifs :

  • Prévisions d’ensemble pour la régions alpine avec une résolution qui permet  la modélisation explicite de la convection (maille 2.2 km)
  • Prévisions deux fois par jour jusqu’à +120 heures
  • 21 membres de l’ensemble
  • Perturbation des conditions initiales du LETKF (cf. assimilation des données)
  • Perturbation des conditions au bord du IF-ENS du ECMWF
  • Stochastically Perturbed Physics Tendencies (SPPT) pour la simulation des incertitudes du modèle

L’information concernant la fiabilité des prévisions représente une valeur ajoutée importante d’un système de prévision d’un ensemble. Elle peut être estimée, par exemple, par l’unanimité des membres de l’ensemble (voir figure 2).

 

Assimilation des données

Affichage aggrandi: Illustration 3: Dispersion d'ensemble des modélisations de températures à l'issue de la première estimation utilisée comme proxy d'incertitude de la première estimation.
Illustration 3: Dispersion d'ensemble des modélisations de températures à l'issue de la première estimation utilisée comme proxy d'incertitude de la première estimation.

Principaux objectifs :

  • Nouveau système d’assimilation des données basé sur une approche d’ensemble sur la base du Local Ensemble Transform Kalman Filter (LETKF)
  • Combinaison quasi optimale et indépendante de la situation météorologique et des prévisions numériques, en se basant sur la statistique respective des erreurs (cf. figure 3)
  • Assimilation des observations qui ne dépendent pas directement des variables des modèles, à l’aide d’opérateurs spécifiques
  • Met à disposition des  conditions initiales d’ensemble pour COSMO-E et des conditions initiales déterministes pour  COSMO.

Quelles observations sont intégrées ?

  • Dans une première phase : observations conventionnelles (TEMP, SYNOP, AMDAR, WINDPROFILER, SHIPS, BUOYS)
  • Dans une deuxième phase : nouvelles données de télédétection, par ex. données MODE-S, données RADAR volumétriques, données de système de télédétection sur terre, GPS, données de radiation fournies par les satellites 

Résultat :

  • ensemble d’analyse horaire (fonction de densité de probabilité)
  • non seulement une meilleure estimation (moyenne de l’ensemble), mais aussi l’incertitude de l’analyse (variation standard de l’ensemble)

Infrastructure

Principaux objectifs :

  • Conditions pour le calcul de COSMO-NExT
  • COSMO-1: prévision + 33 heures en <= ~ 30 minutes
  • COSMO-E: prévision + 120 heures en <=~ 120 minutesCycle LETKF: ± 1 heure. Analyse en <=~ 10 minutes
  • Une importante augmentation des ressources en recherche est nécessaire (facteur d’env. 40 par rapport aux anciens systèmes de prévision).
  • Implémentation d’un second calculateur avec la même capacité pour une fiabilité élevée (réserve en cas d’interruptions)
  • Système efficient au niveau des coûts, de l’exploitation des possibilités offertes par l’accélération du GPU (Cray CS-Storm de deux unités, chacune se composant de 24 Intel Haswell CPUs, installé en automne 2015)
  • A notre connaissance, MétéoSuisse est le premier service météorologique national à utiliser un système de prévisions numériques opérationnel sur une plateforme GPU

Informations complémentaires

Liens

Actualités