Near-surface wind data assimilation using a geo-statistical observation operator

Bédard, Joël (2015). « Near-surface wind data assimilation using a geo-statistical observation operator » Thèse. Montréal (Québec, Canada), Université du Québec à Montréal, Doctorat en sciences de la Terre et de l'atmosphère.

Fichier(s) associé(s) à ce document :
[img]
Prévisualisation
PDF
Télécharger (10MB)

Résumé

L'intégration de la production éolienne dans les réseaux électriques comporte d'importants défis reliés à la variabilité du vent. Afin de garantir la fiabilité du réseau, il faut se doter de réserves de puissance pouvant pallier les effets des variations de cette ressource. Pour des échéances allant jusqu'à 24 h, une connaissance précise de la production à venir (basée sur la prévision du vent et des paramètres météorologiques connexes) permet de limiter ces réserves au strict minimum, maximisant ainsi la valeur de la ressource éolienne. Les prévisions météorologiques de courte échéance sont imprécises et une partie de l'erreur peut être attribuée aux conditions initiales fournies par les analyses. Malgré la disponibilité d'observations de vent de surface au-dessus des continents, peu d'entre elles sont utilisées dans la production d'analyses en raison des interactions entre la topographie locale et l'écoulement à fine échelle non-résolu par les modèles météorologiques. La disparité d'échelles entre les observations et le modèle cause des erreurs de représentativité qui peuvent devenir significatives, particulièrement en terrain complexe. L'objectif principal de ce projet est d'améliorer les prévisions troposphériques de courte échéance en assimilant les observations de vents continentaux dans le système d'assimilation de données ensembliste-variationnel d'Environnement Canada. Un nouvel opérateur d'observation basé sur les géo-statistiques (GMOS) a été développé dans le but de corriger les erreurs systématiques et de représentativité. Cet opérateur combine une méthode de correction statistique à une méthodologie utilisant plusieurs points de grille afin de prendre avantage des corrélations multi-échelles. GMOS est comparée à un opérateur conventionnel basé sur une interpolation bilinéaire (Bilin) dans le contexte d'analyses et de prévisions opérationnelles. Des expériences d'assimilation ont été effectuées en assimilant les observations de vents de surface uniquement pour les stations où un radiosondage est également disponible. Ces expériences avaient pour but de comprendre l'impact de ces observations sur les analyses météorologiques et ainsi repérer les composantes du système d'assimilation nécessitant des améliorations afin de profiter du plein potentiel de ces observations. Les corrections apportées ont été systématiquement évaluées en comparant les analyses résultantes aux observations des radiosondages. Ces observations indépendantes n'étaient pas utilisées dans l'assimilation. Cette méthode de validation a permis d'estimer la variance d'erreur d'observation qui maximise l'impact des observations de vent de surface tout en générant une analyse cohérente avec les observations de radiosondages. Les résultats des expériences d'assimilation (sur une période d'un mois) montrent qu'à cause de la structure verticale des covariances d'erreur de prévision, l'assimilation des vents de surface impacte principalement les basses couches de l'atmosphère. En sélectionnant statistiquement les points de grille du modèle qui sont les plus corrélés aux observations, GMOS permet de mieux représenter les phénomènes météorologiques in situ, ce qui élimine les biais, réduit les erreurs de représentativité et les corrélations d'erreurs d'observation. Des résultats sont aussi présentés pour des expériences d'assimilation non cyclées utilisant cette fois les vents de surface de toutes les stations synoptiques globales (SYNOP). La vérification des analyses et des prévisions 48 h à l'aide d'observations de surface démontre que l'utilisation de GMOS permet d'améliorer les prévisions de vent locales. L'impact diminue rapidement et n'est valide que pour des échéances allant jusqu'à 6 h en raison de l'utilisation des statistiques d'erreur de prévision homogènes. Ces statistiques d'erreur génèrent des incréments d'analyse altérant principalement les vents et les paramétrages reliés au blocage orographique et à la couche limite atmosphérique atténuent l'incrément d'analyse. Toutefois, les statistiques d'erreurs dynamiques provenant de méthodes ensemblistes permettent une meilleure propagation de l'information à la verticale puisqu'elles varient en fonction de la stabilité atmosphérique. Elles conduisent aussi à des incréments mieux balancés à cause des corrélations plus accentuées entre les champs de vent et de masse. L'incrément peut alors se propager dans le temps : le gradient de pression généré supporte l'incrément de vent et contrebalance les forces diffusives des paramétrages du modèle. Les statistiques d'erreur de prévisions sont déterminantes pour la propagation de l'information dans les systèmes d'assimilation et de prévision. En assimilant conjointement les observations de vent et de pression de surface, GMOS permet de réduire le biais des prévisions de vent jusqu'à 48 h. Les résultats de ces expériences suggèrent que la complémentarité entre les observations de vent et de masse, des statistiques d'erreur de prévisions dynamiques et l'opérateur GMOS sont des composantes essentielles à l'utilisation des vents de surface pour l'amélioration des conditions initiales des modèles de prévision numérique. Enfin, les résultats d'expériences cyclées avec le système d'Environnement Canada utilisant toutes les observations assimilées opérationnellement, auxquelles on ajoute les observations de vents de surface, indiquent que les incréments générés par Bilin sont atténués par le système alors que ceux générés par GMOS persistent plus longtemps puisqu'ils sont mieux balancés. Ainsi, les prévisions issues des expériences employant GMOS (Bilin) sont plus (moins) cohérentes avec les analyses que les prévisions issues de l'expérience de contrôle n'assimilant pas les vents de surface au-dessus des continents. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : statistiques d'erreur d'observation et de prévision, paramétrages de la couche limite atmosphérique, énergie éolienne, assimilation de données de surface, analyse météorologique, prévision numérique du temps, validation contre analyses et observations, erreur de représentativité, opérateur d'observation, vents de surface.

Type: Thèse ou essai doctoral accepté ()
Informations complémentaires: La thèse a été numérisée telle que transmise par l'auteur.
Directeur de thèse: Gauthier, Pierre
Mots-clés ou Sujets: Énergie éolienne -- Prévision / Météorologie -- Observations / Vents / Couche limite (Météorologie) / Temps (Météorologie) -- Prévision numérique / Théorie des erreurs / Statistique mathématique
Unité d'appartenance: Faculté des sciences > Département des sciences de la Terre et de l'atmosphère
Déposé par: Service des bibliothèques
Date de dépôt: 03 mai 2016 19:07
Dernière modification: 03 mai 2016 19:07
Adresse URL : http://www.archipel.uqam.ca/id/eprint/8375

Statistiques

Voir les statistiques sur cinq ans...