Étude statistique durant la campagne ParisFog

Ce chapitre présente une étude en mode prévision sur l’ensemble des situations mesu- rées durant ParisFog. Il vise à déterminer l’apport de la technique nudging pour décrire le forçage à méso-échelle pour prévoir un épisode de brouillard à 36 heures d’échéance. Les simulations sont effectuées avec le modèle colonne durant les cinq mois qu’ont duré la campagne. Nous présentons d’abord la méthodologie retenue puis les résultats obtenus.Lorenz (Lorenz, 1965) a montré que la prévision parfaite du temps ne peut être at- teinte, car i) les équations du comportement atmosphérique ne sont pas encore parfaite- ment connues et sont seulement des approximations, et ii) l’état initial n’est pas parfai- tement déterminé. En fait, même un modèle parfait ne pourrait produire une prévision parfaite, car les erreurs dans les conditions initiales iront en s’amplifiant lors de la prévision et celle-ci divergera de la réalité, le système atmosphérique étant chaotique.Cette difficulté provient pour une part de la complexité des mécanismes physiques mis en oeuvre lors du passage à la saturation. Ce phénomène à seuil est très sensible aux conditions initiales, mais aussi à l’équilibre délicat entre les échanges radiatif, la turbulence et les processus microphysiques dépendant entres autres de la nature et de la taille des aérosols servant de noyaux de condensation. Dans ce domaine les modèles 3D de méso-échelle n’ont pas encore la résolution verticale suffisante pour décrire cet équilibre notamment en cas de stratification thermique stable même si l’on a vu que cela restait une difficulté pour la modélisation 1D.

Aussi, aujourd’hui encore l’approche 1D est utilisée à des fins opérationnelles (Ber- got et al., 2005). Dans ce domaine des progrès sensibles ont été réalisés en améliorant sensiblement la connaissance de l’état initial par assimilation de données locales à l’aide de techniques variationelles. Il reste que, dans ces approches, le couplage avec un mo- dèle de méso-échelle par détermination directe des termes d’advection horizontale n’a pas donné les améliorations escomptées en raison notamment de la nécessité de lisser les gra- dients horizontaux obtenus directement à partir des sorties des modèles opérationnels. Dans ce chapitre, nous nous proposons de revisiter ces conclusions en utilisant des tech- niques d’assimilation de données déjà anciennes mais simples de mise en oeuvre, basée sur des techniques de Cressman pour l’interpolation sur la verticale et de « nudging » pour le forçage synoptique à méso-échelle. La démarche que nous avons suivie est la suivante.Dans une première étape le modèle 1D a été validé sur les situations les mieux do- cumentées de l’expérience ParisFog. Ce travail présenté dans Zhang et al. (in revision) a permis de définir une version de référence du modèle. Cette version est à l’état de l’art en ce qui concerne la turbulence, la représentation des nuages dans les modèles de trans- fert radiatif, la modélisation de la nucléation et de la sédimentation à l’aide d’un modèle semi-spectral donnant accès à la distribution en taille de gouttes d’eau. Dans ce travail la technique d’assimilation de données par Cressman et nudging a été utilisée pour simuler l’évolution de la couche de brouillard dans des conditions les plus proches possibles des observations afin de tester les différentes paramétrisations déjà évoquées.

Condition initiale

Nous proposons d’utiliser le modèle 1D en mode prévision durant l’ensemble de la campagne ParisFog afin d’étudier l’apport d’un couplage avec le modèle de méso-échelle MM5. Nous présentons d’abord la méthodologie utilisée (conditions initiales, forçage at- mosphérique, . . . ), les scores statistiques utilisés, puis les résultats obtenus pour différentes options concernant le nudging sont présentés.1. Les données issues du modèle MM5 (The Fifth-Generation NCAR/Penn State Me- soscale Model) sur 4 jours, de J à J + 3. Il est installé et utilisé en prévision expé- rimentale quotidienne au LMD à l’École Polytechnique pour une prévision à 96 h à partir des réseaux de 00 T U . Il prévoit et simule l’ensemble des paramètres météo- rologiques avec notamment une description explicite des nuages avec une résolution horizontale d’environ 5 km. On peut observer des écarts importants entre les valeurs données par ce modèle et les mesures in-situ au voisinage du sol.