27
Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Embed Size (px)

Citation preview

Page 1: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Panorama des activités fusion de données à DPREVI/PI

DPREVI/PI Jean-Marc MoisselinOctobre 2011

Atelier Fusion de données 18/10/2011

Page 2: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Introduction

« Prévision immédiate » : un terme apparu avec les satellites et les radars météorologiques, qui ont permis d'avoir une observation quasiment en temps réel des nuages et de la pluie. L'expression désigne donc la bonne connaissance du temps qu'il fait, avec beaucoup de détails dans l'espace et sa prévision pour quelques heures.

Fusion de deux termes assez dissemblables,

Les activités de fusion de données sont nombreuses dans la division DPREVI/PI en charge de la prévision immédiate à Météo‑France.

Page 3: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Plan

La fusion PI/PN

La convection : RDT et OPIC-Radar

La fusion continue dans la BDEPI

Page 4: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Introduction

Temps présents

Échéances rapprochées 3-6 heures puis échéances plus éloignées

Obs PN

Zone de fusion OBS/PN : un enjeu pour ces prochaines années

Page 5: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

AROME-PI : l’apport de la PN à la PI

La PN veut améliorer les techniques d’extrapolation d’observations radar et satellite :– Validité autour de l’heure, extrapolation à intensité constante– Limitation des systèmes utilisés (ex.: radar et zones montagneuses)

La PN s’adapte aux contraintes de la PI– AROME-PI est compatible avec les très courtes échéances (cut-off très court de 15mn

maximum)=> Les sorties d’AROME-PI seront disponibles très tôt.

– AROME-PI est non cyclé et ne montre pas de problème de spin-up=> Ses premières échéances sont utilisables.

– AROME peut décrire finement des processus de couche limite et de convection, et possède une analyse adaptée aux échelles fines

=> AROME peut s’attaquer au domaine privilégié de la PI, les phénomènes dangereux : orages, précipitations, brouillard

Construire des méthodes de fusion PI-PN pour :• Passer à une prévision non-linéaire des OPIC-radar à l’aide de diagnostics d’objets dans les réflectivités

simulées (OPIC-PN).• Améliorer la méthode 2PiR d’extrapolation de lame d’eau basée sur le calcul de champs de déplacement

de précipitations à partir des réflectivités.• Extrapoler de manière automatique les prévisions de temps sensible au-delà de +1h.• Fournir des prévisions de paramètres denses (CDPIH, SYMPO2)

Page 6: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Caractéristiques principales d’AROME-PI

Plusieurs versions prototypes d’AROME-PI avec en commun :– Cycle 35t2– Analyse horaire– Fenêtre d’assimilation -45mn/+15mn, cut-off +15mn– Sous-domaine PARI, 600 * 600 km– Modèle coupleur : AROME-oper domaine FRANXL– Échéance maximale : +7h à tous les réseaux– Cadence du post-traitement : 15 minutes pour les 3 premières heures.– Non cyclé : ébauche issue d’une prévision de la chaîne AROME– Ancienneté de l’ébauche : P02 à P06– 3 périodes d’étude, au moins 27 journées au total

Variations :– Initialisation des données de surface (origine et réseaux)– Poids accordé aux observations

Page 7: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

AROME-PI : couplage asynchrone irrégulier

Page 8: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Observations :conséquences du cut-off court

Données perdues :

Exemples : Ballons (100%), GPSSOL (100%)

Page 9: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Action de soutien RETIC «  amélioration de la prévision immédiate des précipitations », OBJECTIF 4

- Pour une meilleure prise en compte du relief et une information de tendance sur les précipitations

- Jeux tests préparés par PI (O. Dupont)

- Possibilité d’utiliser le time lag pour fabriquer un ensemble

- Des exemples existent déjà dans d’autres SMHN

Les données d’entrée de 2piR, la méthode de prévision immédiate des précipitations, sont les réflectivités. Suite à l’action de soutien du CNRM/RETIC « Prévision immédiate des pluies à échelle fine » des perspectives d’évolution de la méthode ont été définies. L’une d’elles concerne l’utilisation de données modèle pour améliorer la qualité des lames d’eau advectées au bénéfice de l’hydrologie ou des produits d’avertissement grand public comme la pluie dans l’heure.

Page 10: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Pour conclure cette partie sur la fusion PI/PN

Domaines où intervient la fusion :

- Analyse

- Méthode

- Demain : terme de tendance dans 2PIR

Page 11: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Plan

La fusion PI/PN

La convection : RDT et OPIC-Radar

La fusion continue dans la BDEPI

Page 12: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Le RDT : la fusion en mode objet

RDT = Rapid Developing Thunderstorm– Un des produits du SAF Nowcasting

But du produit RDT:☛ Signalisation automatique et à haute cadence de la convection à partir de

satellites géostationnaires

Il fournit:– Un suivi et une caractérisation des systèmes convectifs à partir des images

IR10.8 μm, WV 6.2 μm et WV 7.3 μm, 12.0µm et 8.7 µm de MSG. – Un diagnostic des développements orageux rapides.– La définition d’un « objet convectif satellitaire».

Il est un outil:– D’aide aux prévisionnistes– De recherche sur la convection– De climatologie de la convection

Page 13: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Schéma général

RDT – PGE 11

Synergie

Visu htmlPlugin

Transmission

BUFR 5’ ou 15’

Archive

Produit nuagesSAF/NWC Indices NWP

Foudre

T brillance

Page 14: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Plusieurs données pour décider (de) et décrire la convection

Plusieurs jeux de radiance en entrée de l’algorithme de détection/discrimination

Plusieurs produits du SAF/NWC sont utilisés, en tant qu’élément d’entrée ou en tant qu’attribut de l’objet : classification nuageuse, taux de précipitations

Les données modèles permettent de calculer les indices d’instabilité qui contribuent au diagnostics.

Les données foudre forcent le caractère convectif des cellules et permettent de décrire l’intensité de la convection à l’intérieur d’une cellule.

Page 15: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Un autre angle pour voir la convection : l’OPIC-RADAR

OPIC : Objets pour la Prévision Immédiate de la Convection :

Les OPIC-Radars sont eux essentiellement élaborés à partir des mesures de réflectivité radar.

Ces objets ont des attributs provenant d’autres sources de données : réseau foudre, données modèle (calcul d’une hélicité relative pour les cellules les plus rapides, indice de rafale sous orage), satellite (sommet des nuages). La lame d’eau contribue à décrire les précipitations associées aux orages. Le cisaillement horizontal (utilisant la composante Doppler de la mesure radar) pourra aussi être à terme un attribut des OPIC relié à leur sévérité.

Page 16: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Évolution temporelle d’une caractéristique

Objet sélectionné

Caractéristiques de l’objet

Hodographe

Caractéristiques Caractéristiques d’un objetd’un objet

Page 17: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Foudre et OPIC-Radar

Cellule OPIC-Radarà T

(Reflectivité>=Seuil dBZ)

Impacts entre T et T-T associés à la cellule- on a cherché autour de chaque impact les cellules dans un rayon de SeuilCellule2 - on a trouvé une cellule incluante ou à une distance d<SeuilCellule1

Impacts entre T et T-T de précision>SeuilFoudre. Ne sont pas rattachés à une cellule OPIC-Radar

Impacts entre T et T-T orphelins

35 DBZSeuil dBZ

3 kmSeuil Foudre

330 secondesT

50 kmSeuil Cellule2

10 kmSeuil Cellule1

35 DBZSeuil dBZ

3 kmSeuil Foudre

330 secondesT

50 kmSeuil Cellule2

10 kmSeuil Cellule1

d

Cette figure illustre la nécessité de fixer des règles, souvent empiriques, pour combiner deux informations décrivant de manière différente (ici via l’activité électrique et via les réflectivités radar) un même phénomène (ici la convection).

Description des modes d’appariement des impacts foudre aux cellules OPIC-radar

Page 18: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Hélicité et OPIC-Radars

Xml enrichi

OSIRIS

Xml OPIC RADAR

BDAP :ARPEGE

+VARPACK

Calcul d’hélicité à proximité du centre de gravité de chaque cellule de vitesse importante

BDEPI

Xml enrichi

OSIRIS

Xml OPIC RADAR

BDAP :ARPEGE

+VARPACK

Calcul d’hélicité à proximité du centre de gravité de chaque cellule de vitesse importante

BDEPI

OSIRIS

Xml OPIC RADAR

BDAP :ARPEGE

+VARPACK

Calcul d’hélicité à proximité du centre de gravité de chaque cellule de vitesse importante

BDEPI

L’hélicité se calcule à partir du déplacement d’une cellule météorologique et d’un profil de vent dont on déduit un cisaillement. La documentation complète sur l’hélicité est disponible sur le site du Labo.Le RETEX de la tornade d’Haumont a ensuite noté deux indices de sévérité associés au phénomène : l’hélicité et le cisaillement de vent à petite échelle obtenu par radar Doppler.

Page 19: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Pour conclure cette partie sur RDT et OPIC

Domaines où intervient la fusion :

- Données d’entrées

- Attributs permettant de décrire les objet

- Demain : croiser RDT et OPIC-Radar

Page 20: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Plan

La fusion PI/PN

La convection : RDT et OPIC-Radar

La fusion continue dans la BDEPI

Page 21: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Devenir des objets décrit précédemment

RDT et OPIC-Radars sont visualisables sur Synergie. Les OPIC-Radars alimentent la BDEPI (Base de Données

d'Expertise en PI) pour décrire les phénomènes convectifs selon une approche orientée objet qui favorise la fusion d’information issue de différentes origines : observation à proximité de l’objet, observations de surface collectées sous la trace de l’orage, modèle numérique avec demain des objets OPIC‑simulés issus de la fusion PI-PN et l’expertise humaine via des objets de plus grande échelle comme les ZARO (Zone A Risque d’Orage) déduite de l’expertise SYMPO2. Cette fusion en mode objet a vocation à être appliquée à d’autres phénomènes comme la neige ou le brouillard.

Page 22: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Principes de la BDEPI

Description des phénomènes significatifs sur les quelques prochaines heures

– Aujourd’hui les orages et les pluies fortes

– Ensuite les vents forts (tempêtes), la neige, le brouillard…

Un système hybride mêlant automatisme et expertise– Expertise des prévisionnistes régionaux

Base d’une production automatisée d’alertes

Page 23: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Production en aval de la BDEPI

• La BDEPI s’alimente des sources disponibles pour décrire les orages. Aujourd’hui :

– le diagnostic Opic-radar– les observations sol– La lame d’eau radar 5’– Les diagnostics PN : indice de rafale, hélicité

• Production aval automatique d’avertissements et de produits graphiques spécifiques à chaque usager

Expertise

Prod

uctio

n

AvertissementsProduit graphique

Contrôle aux obs

Observationssol

Amendements

Base d’objets BDEPI

Opicradar

Ebauches d’objet

Acq

uisitio

n

5’

Arome PI

Objets prévus

• Demain, la PI des orages bénéficiera :– De l’expertise du prévisionniste– De diagnostic d’orage simulés issus d’Arome PI

• La BDEPI se caractérise par :– Une représentation objets des orages– Une base à « trous »

Page 24: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Mosaïque de cisaillement et OPIC Radar

Tirer profit des avancées de la mesure radar : ici l’utilisation de l’effet Doppler pour estimer la composante radiale du cisaillement du vent horizontal

Estimer l’intensité des OPIC-Radars en utilisant le cisaillement

Travail en cours

Page 25: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Mosaïque de cisaillement et OPIC Radar

26/8/2010 1835 UTC 1845 UTC 1855 UTC

OPIC 35 dBZ

Page 26: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Conclusion

La prévision immédiate, passe presque systématiquement par l’utilisation de plusieurs sources de données observées, simulées ou expertes

L’approche orientée objet favorise la fusion pour une caractérisation complète des phénomènes.

Page 27: Panorama des activités fusion de données à DPREVI/PI DPREVI/PI Jean-Marc Moisselin Octobre 2011 Atelier Fusion de données 18/10/2011

Complément : AIGA - risque pluvio une climatologie d’observations permet l’estimation d’un risque pour des lames d’eau

Mosaïque lame d’eau cumulée (1km²) Durée de retour estimée (1km²)

COMPARAISON

RISQUE PLUVIAL estimé par pixel de 1km²

Jaune : DR entre 2 et 10 ans

Orange : DR entre 10 et 50 ans

Rouge : DR supérieure à 50 ans

Calcul de lames d’eau tous les 1/4h sur des profondeurs de 1h à 72h

Base SHYREG : comparaison sur chaque pixel des quantiles correspondants