Impact d'un modèle de covariance d'erreur de prévision basé sur les fonctions de sensibilité dans un 3D-VAR

Les fonctions de sensibilite dites a posteriori permettent de caracteriser des corrections aux conditions initiales qui peuvent reduire significativement l'erreur de prevision a une echeance donnee (typiquement 24 ou 48 heures). L'erreur est ici definie par l'ecart a une analyse de verification et la fonction de sensibilite ne peut donc etre calculee qu'a posteriori. De telles structures dependent de la nature de l'ecoulement et ne sont pas prises en compte dans le modele de covariance d'erreur de prevision stationnaire utilise dans un systeme d'assimilation de donnees variationnelle 3D (3D-Var) comme celui du Centre Meteorologique Canadien (CMC). Pour remedier a ceci, Hello et Bouttier (2001) ont introduit une formulation differente des covariances d'erreur de prevision qui permet d'inclure les fonctions de structure basees sur des fonctions de sensibilite a priori definissant la structure de changements aux conditions initiales qui ont le plus d'impact sur une prevision d'echeance donnee. Dans ce cas, l'amplitude de cette correction est determinee en s'ajustant aux observations disponibles. Dans ce projet, une formulation differente est proposee et comparee a celle de Hello et Bouttier (2001). L'algorithme, appele 3D-Var adapte, est tout d'abord presente et analyse dans le cadre plus simple d'une analyse variationnelle 1D (1D-Var) pour etre ensuite introduit dans le 3D-Var du CMC. L'impact du changement apporte a ete etudie en utilisant les fonctions de sensibilite a posteriori associees a une prevision manquee sur la cote est de l'Amerique du Nord. En mesurant globalement l'erreur de prevision, la fonction de sensibilite indique qu'il est necessaire d'apporter des corrections a l'analyse sur differentes regions du globe. Pour le 3D-Var adapte, ceci conduit a une fonction de structure non localisee et l'amplitude de la correction est caracterisee par un seul parametre defini par l'ensemble des observations disponibles. En comparant aux previsions issues du 3D-Var operationnel ou de l'analyse de sensibilite, la prevision issue de l'analyse du 3D-Var adapte est amelioree par rapport a celle du 3D-Var conventionel mais nettement moins que celle issue de l'analyse de sensibilite. Par contre, le 3D-Var adapte ameliore l'ajustement de l'analyse aux observations alors que l'analyse de sensibilite le degrade. En localisant la mesure de l'erreur de prevision sur la region correspondant au systeme meteorologique du cas etudie sur la cote est de l'Amerique du Nord, la fonction de sensibilite est maintenant localisee sur une region mieux delimitee (dite region sensible). Il est egalement possible de varier la fenetre temporelle utilisee pour definir la fonction de sensibilite. L'impact sur la qualite de l'analyse et des previsions resultantes a ete etudie autant pour l'analyse de sensibilite que pour le 3D-Var adapte. Les resultats montrent que la definition d'une fonction de structure appropriee pour un systeme d'assimilation vise a simultanement concorder aux observations disponibles et ameliorer la qualite des previsions. Les resultats obtenus montrent que l'utilisation des fonctions de sensibilite comme fonctions de structures n'est pas immediate. Bien que limitees a un seul cas, nos experiences indiquent certaines pistes interessantes pour definir des fonctions de sensibilite pouvant etre utilisees comme fonctions de structures. Ces idees pourraient s'appliquer egalement aux fonctions de sensibilite a priori.