Étude statistique durant la campagne ParisFog

Prévision du brouillard avec nudging

Variables de surface

A noter que les simulations de périodes validation sont en réalité une succession de simulations de 36 h pour chacune des quelles les conditions initiales sont définies en deux cas différents : un démarrant à 00 T U (IC-00) et l’autre démarrant à 12 T U (IC-12).   Dans cette section, les simulations sont démarrées à 00 T U. Avant de s’intéresser aux résultats concernant la prévision du brouillard, il est tout d’abord nécessaire de s’assurer de la bonne qualité prédictive générale de notre modèle 1D. La comparaison des paramètres météorologiques au voisinage du sol sont présentées en fonction de l’heure sur les figures suivantes. Le biais et l’erreur quadratique moyenne de la température et de l’humidité relative à 2 mètres en fonction d’échéance sont présentés dans la figure 4.1. Dans l’ensemble, les valeurs obtenues par notre modèle en démarrant à 00 TU se comparent assez favorablement aux mesures. On constate que la température et l’humidité relative à 2 m prévues sont très peu biaisées. Le biais de température évolue en effet entre -1 et 0 ◦C. L’erreur quadratique moyenne évolue entre 1 et 2 ◦C. Cela signifie que la température est un peu sous estimée pendant la période de prévision. Ce qui reste dans le même ordre de grandeur que l’erreur quadratique moyenne habituellement rencontrée dans des modèles de prévision numérique comme ALADIN (référence : Contrôle des produits numérique utilisés pour la prévision météorologique par Météo-France). Pour l’humidité relative à 2 m, le biais reste assez faible et inférieur à 5% et l’erreur quadratique moyenne est dans des ordres de grandeur classique entre 8% et 15%, comparativement à une erreur de 7.5% et 15% pour d’autres modèles. Le biais et l’erreur quadratique moyenne de la vitesse du vent et de l’énergie cinétique turbulente à 10 mètres en fonction d’échéance sont présentés dans la figure 4.2. Les mesures considérées ici sont celles des anémomètres ultrasoniques de la zone 3. Á 10 m, la vitesse du vent est peu biaisée pour une plage horaire allant de 00 T U à 12 T U correspondant à une transition entre régime stable et instable. Au delà de 12 T U, le modèle surestime la vitesse de 0.5 m.s−1 , tandis que le biais de l’énergie cinétique turbulente devient positif (autour de 0.1 m2 .s−2 ). L’erreur quadratique moyenne est de l’ordre de 1.5 m.s−1 . Ces résultats sont satisfaisants puisque notre modèle permet de prendre en compte les spécificités locales du site à travers le réglage des constantes de sol, même si le modèle de sol utilisé est assez simplifié. Il est difficile de connaître les raisons du biais positif de l’énergie cinétique turbulente après 18 T U. Il peut être lié à la surestimation de la vitesse du vent dû au forçage de grande échelle. La comparaison des flux radiatifs au niveau 2 mètres fournis par le modèle et les mesures. Le flux d’infrarouge descendant et le flux solaire descendant à 2 mètres en fonction du temps sont présentés à la figure 4.3. Pour le rayonnement infrarouge, on observe un assez bon accord entre le calcul et les mesures (Fig. 4.3(a)) avec un biais pratiquement nul et une erreur quadratique moyenne de 11 W.m−2 , sauf durant la période nocturne, le modèle n’ayant pas prévu correctement la présence de la couverture nuageuse pendant toute cette période. On observe une erreur importante pour le flux solaire (Fig. 4.3(b)) avec une valeur maximalem d’erreur quadratique moyenne d’environ 80 W.m−2 . Cette erreur est due aux erreurs sur le contenu en aérosols et en gouttelettes d’eau. En fait, par temps clair, le rayonnement solaire est bien plus élevé. Par contre, quand l’atmosphère est chargée de 4.3 Prévision du brouillard avec nudging 97 (a) Température à 2 m (b) Humidité relative à 2 m Fig. 4.1 : Prévision avec nudging, cas démarré à 00 T U (IC-00). Biais (rouge) et erreur quadratique moyenne (verte) de prévision à 36 heures par rapport aux mesures pour la température et l’humidité relative à 2 m. 98 Ch.4 – Étude statistique durant la campagne ParisFog (a) Vitesse du vent à 10 m (b) Énergie cinétique turbulente à 10 m Fig. 4.2 : Prévision avec nudging, cas démarré à 00 T U (IC-00). Biais (rouge) et erreur quadratique moyenne (verte) de prévision à 36 heures par rapport aux mesures pour la vitesse du vent et l’énergie cinétique turbulente à 10 m.  gouttelettes d’eau ou de poussières (aérosols), le rayonnement solaire au sol est atténué. Au total, le rayonnement reçu en atmosphère turbide est moins élevé qu’en atmosphère limpide, à cause de la forte atténuation subie par le rayonnement solaire direct. Test sur les journées de ciel clair (Fig. 4.4) Afin de tester notre paramétrisation du rayonnement, un test « ciel clair » est effectué. C’est-à-dire en l’absence de nuage et de brouillard dans le domaine de calcul, la teneur en eau liquide ql est forcée à 0. Au total, 5 journées ont été simulées : les 20061220, 20070203, 20070311, 20070312 et 20070326. On constate que les erreurs quadratiques moyennes pour les deux flux radiatifs sont bien réduites, notamment pour le flux solaire (RMSEsolar < 15 W.m−2 ). On constate toutefois un fort biais entre 00 T U et 04 T U sur le flux infrarouge (Fig. 4.4(a)). La mesure par télémètre indique que pendant cette période du 3 février 2007 on observe une valeur plus élevée de ce flux en raison de la présence d’une couche nuageuse située entre 400 m et 1000 m et non représentée par le modèle. Cela conduit à une erreur importante dans la statistique. Cas IC-12 Pour le cas démarrant à 12 T U (IC-12), le biais et l’erreur quadratique moyenne des paramètres météorologiques au voisinage du sol en fonction de l’échéance sont présentés dans les figures 4.5, 4.6 et 4.7. On observe des erreurs importants au départ de la simulation (12 T U). C’est en fait dû à la présence d’une couche nuageuse à haute altitude non représentée par le modèle. Les valeurs d’erreur quadratique moyenne sont un peu plus élevées que celles du cas IC-00. Le biais de la température varie avec le cycle diurne (Fig. 4.5(a)). Au début de la simulation, en raison de la surestimation du flux de rayonnement solaire (comme mentionné dans le cas IC-00), la température est un peu surestimée dans l’après-midi, de l’ordre de 1 ◦C. Le modèle tend à refroidir durant la période du lever du soleil (de l’ordre de 1 ◦C). Cela peut s’expliquer par le choix des paramètres de l’interface sol-atmosphère, mais aussi par la tendance du modèle à créer un peu trop facilement de l’eau liquide. Après, la surestimation du flux solaire tend à réchauffer le sol puis la température au contact jusqu’au coucher du soleil. En ce qui concerne l’humidité relative, elle varie en fonction de la température comme attendu (Fig. 4.5(b)). Pour le vent et l’énergie cinétique turbulente (Fig. 4.6), les biais sont similaires à ceux du cas IC-00 mais sont renforcés. Le vent est très biaisé (Fig. 4.6(a)) avec un écart moyen supérieur à 1 m.s−1 . On constate que le plus mauvais biais négatif de la vitesse du vent se trouve vers 13 T U (de l’ordre de 1 m.s−1 ) et le plus mauvais biais positif se trouve vers 18 T U (de l’ordre de 2 m.s−1 ). De plus, la valeur d’erreur quadratique moyenne de vitesse est de l’ordre de 2 m.s−1 . Cette forte valeur du RMSE est cependant fortement influencée par quelques situations pour lesquelles une grosse erreur a été constatée. Ceci peut être lié à la paramétrisation dynamique dans le modèle. Or il est probablement du à la façon du calcul des scores qui est une incertitude non physique. Puisque la valeur d’erreur quadratique moyenne est sensible à l’influence de grosse erreur que le petit nombre d’échantillons.