565 research outputs found
L'évolution de la chaine de prévision numérique du temps sur la période 2022-2025
No full textMétéo-France est le service météorologique et climatologique national. A ce titre, il est chargé de four-nir aux pouvoirs publics, à l’aéronautique, aux entreprises et au grand public, des services adaptéspour gérer les risques en matière de sécurité des personnes et des biens. La prévision numérique dutemps (PNT) est l’outil privilégié pour l’anticipation du risque météorologique, ainsi que pour les prévi -sions fournies à divers secteurs économiques météo-sensibles (agriculture, production et consomma-tion d’énergie, transports). La PNT couvre une gamme d’échéances allant de quelques heures à plu-sieurs jours (jusqu’à 15 généralement). Météo-France, pour répondre à ses différentes missions, déve-loppe, maintient et opère un système de prévision numérique global, Arpège, qui couvre les échéancesjusqu’à 4 jours, et des systèmes de prévision numérique à haute résolution Arome, sur la métropole etles territoires outre-mer, jusqu’à 2 jours d’échéance. Pour les échéances moyennes (5 jours et au-delà),Météo-France s'appuie sur les prévisions numériques du CEPMMT (Centre européen pour les prévi-sions météorologiques à moyen terme), la France étant l'un de ses pays membres fondateurs. Auxéchéances mensuelles et saisonnières, Météo-France produit des prévisions, exploitées conjointementavec celles d'autres services.Cette note donne un aperçu des caractéristiques de la chaîne opérationnelle de PNT à Météo-Franceet de ses évolutions principales prévues sur la période 2022-2025. Cette période correspond à l’exploi-tation du calculateur Bull-Atos devenu opérationnel en 2021 et dont la justification a été portée par uncertain nombre de progrès attendus de la chaîne de PNT. Météo-France opère aussi des systèmes nu -mériques en aval de la chaîne de PNT (modèles de prévision marine, de qualité de l’air, de nivologie,d’hydrologie et d’agrométéorologie), qui ne sont pas présentés dans cette note
A New Assessment of the Predictability of Tropical Cyclone Tracks
No full textAbstract
The inherent predictability of tropical cyclone tracks has received much attention since the 1980s. It is still an issue because of the recent improvement of track forecasts by numerical models. The aim of this study is to assess this predictability limit globally using an approach devised by Lorenz on several up-to-date numerical models. The differences between forecasts valid at the same instant are considered to be error values; the doubling time of these small errors leads to an estimated upper bound on predictability. This method is here applied on cyclone position forecasts obtained from three different global operational models (from ECMWF, Météo-France, and the Met Office) over the main tropical cyclone basins in the world and during three recent cyclone seasons (2006–09).
The resulting estimates of predictability largely exceed the values that are commonly accepted in the literature. The doubling time of small errors is found between 30 and 50 h. An important consequence is that cyclone track forecasts have not reached their predictability limit yet. It is argued that the previous methods for computing the predictability of tropical cyclone tracks did not constrain the environment and the structure of the cyclones initially. But the Lorenz method could still underestimate the inherent predictability of tropical cyclone tracks. The sensitivity of the predictability estimates to the model characteristics is discussed. In particular, the use of wind bogus is suggested to avoid serial correlations between successive forecasts and to accelerate error growth.</jats:p
L'évolution de la chaine de prévision numérique du temps sur la période 2022-2025
No full textMétéo-France est le service météorologique et climatologique national. A ce titre, il est chargé de four-nir aux pouvoirs publics, à l’aéronautique, aux entreprises et au grand public, des services adaptéspour gérer les risques en matière de sécurité des personnes et des biens. La prévision numérique dutemps (PNT) est l’outil privilégié pour l’anticipation du risque météorologique, ainsi que pour les prévi -sions fournies à divers secteurs économiques météo-sensibles (agriculture, production et consomma-tion d’énergie, transports). La PNT couvre une gamme d’échéances allant de quelques heures à plu-sieurs jours (jusqu’à 15 généralement). Météo-France, pour répondre à ses différentes missions, déve-loppe, maintient et opère un système de prévision numérique global, Arpège, qui couvre les échéancesjusqu’à 4 jours, et des systèmes de prévision numérique à haute résolution Arome, sur la métropole etles territoires outre-mer, jusqu’à 2 jours d’échéance. Pour les échéances moyennes (5 jours et au-delà),Météo-France s'appuie sur les prévisions numériques du CEPMMT (Centre européen pour les prévi-sions météorologiques à moyen terme), la France étant l'un de ses pays membres fondateurs. Auxéchéances mensuelles et saisonnières, Météo-France produit des prévisions, exploitées conjointementavec celles d'autres services.Cette note donne un aperçu des caractéristiques de la chaîne opérationnelle de PNT à Météo-Franceet de ses évolutions principales prévues sur la période 2022-2025. Cette période correspond à l’exploi-tation du calculateur Bull-Atos devenu opérationnel en 2021 et dont la justification a été portée par uncertain nombre de progrès attendus de la chaîne de PNT. Météo-France opère aussi des systèmes nu -mériques en aval de la chaîne de PNT (modèles de prévision marine, de qualité de l’air, de nivologie,d’hydrologie et d’agrométéorologie), qui ne sont pas présentés dans cette note
Modelling and assimilation of rainy microwave satellite observations in tropical systems
No full textCette thèse s’inscrit dans la problématique de l’utilisation des observations satellitaires pour l’assimilation en prévision numérique du temps dans les régions nuageuses pluvieuses. Les travaux sont abordés en lien avec l’amélioration de la prévision des cyclones tropicaux et s’appuient sur la mission satellitaire innovante MEGHATROPIQUES couvrant les zones tropicales avec une répétitivité temporelle inégalée et en particulier sur le sondeur micro-ondes d’humidité SAPHIR à 183 GHz. Nous avons utilisé le modèle de prévision numérique du temps ALADIN-Réunion opérationnel à Météo-France depuis 2006 dont le domaine couvre une large partie de l’océan Indien avec une résolution horizontale de 8 km, ainsi que le modèle de transfert radiatif RTTOV-SCATT qui offre un bon compromis entre sa précision pour décrire les atmosphères diffusantes et sa rapidité d’exécution. Dans un premier temps nous avons optimisé le choix des propriétés radiatives des précipitations solides afin de simuler au mieux les températures de brillance SAPHIR avec les modèles ALADIN-Réunion et RTTOV-SCATT. Nous avons ensuite proposé une méthode d’inversion des températures de brillance SAPHIR en zones nuageuses basée sur une méthode bayésienne permettant de restituer des profils atmosphériques corrigés. Ces profils inversés ont été validés pour une situation particulière associée au cyclone Benilde (Décembre 2011). Les profils d’humidité spécifique ont alors été introduits comme de nouvelles observations dans l’assimilation variationnelle tridimensionnelle (3D-Var) du modèle ALADIN-Réunion. La capacité du système 3D-Var à contraindre le champ d’humidité analysé vers les profils inversés est démontrée, ainsi que l’amélioration des prévisions de précipitations à courte échéance. Toutefois, la prévision du cyclone Benilde est de moins bonne qualité avec ces observations additionnelles. Plusieurs pistes sont proposées pour expliquer et améliorer ces premiers résultats. Finalement, une étude a été réalisée pour préparer les évolutions des modèles de prévision numérique. Nous avons examiné la capacité d’une version d’ALADIN-Réunion avec un schéma de convection profonde pronostique à simuler le cycle de vie du cyclone Bejisa (Décembre 2013 - Janvier 2014). Des améliorations significatives sont notées à la fois sur la trajectoire et l’intensification de ce système tropical. De manière cohérente, la simulation des températures de brillance SAPHIR en zones nuageuses est en meilleur accord avec les observations. Un modèle à plus fine échelle (AROME) résolvant explicitement la convection profonde (résolution horizontale de 2.5 km) est appelé à remplacer le modèle ALADIN-Réunion. Sa capacité à décrire le système Bejisa est démontrée. Toutefois il apparaît que le choix optimal pour le type de particule décrivant les précipitations solides fait pour ALADIN-Réunion n’est pas adapté à la simulation des températures de brillance SAPHIR avec AROME et RTTOV-SCATT. Les causes de cette incohérence sont expliquées.This thesis is focused on the use of satellite observations within cloudy and rainy areas for assimilation in numerical weather prediction models. The activities have been undertaken in the context of tropical cyclone forecasting. They have taken advantage of the recent satellite mission MEGHA-TROPIQUES covering tropical regions with an unprecedented temporal revisit with a focus on the humidity sounder SAPHIR at 183 GHz. We have used the numerical weather prediction model ALADIN-Réunion that is operational at Météo-France since 2006 and covers a large fraction of the Indian ocean with a 8 km horizontal resolution. The radiative transfer model RTTOV-SCATT has also been considered, since it provides a good compromise between its accuracy to simulate scattering atmospheres and its computational cost. In a first step, the choice of the radiative properties for solid precipitating particles has been optimized in order to improve the simulation of SAPHIR brightness temperatures with ALADIN-Réunion and RTTOV-SCATT models. Then, an inversion method of cloudy SAPHIR brightness temperatures based on the bayesian technique has been chosen in order to retrieve improved atmospheric profiles. The retrieved profiles have been validated for a case study corresponding to the tropical cyclone Benilde (December 2011). Profiles of specific humidity have been introduced as new observations in the tridimensional variational assimilation (3D-Var) system of the ALADIN-Réunion model. The capacity of the 3D-Var system to constrain the humidity analysis towards the retrieved profiles is demonstrated, together with improved short-range precipitation forecasts. On the other hand, the prediction of the tropical cyclone Benilde is degraded with these additional observations. A number of reasons are provided to explain and improve these first results. Finally, a study has been done to prepare future evolutions of numerical weather prediction models. We have examined the skill of a version of the ALADIN-Réunion model with a prognostic deep moist convection scheme to simulate the life cycle of tropical cyclone Bejisa (December 2013 - January 2014). Significant improvements have been noticed on the trajectory and on the intensification of this tropical system. Consistently, the simulation of SAPHIR brightness temperatures is in better agreement with observations. A fine scale model (AROME) describing explicitly deep moist convection is planned to replace the ALADIN-Réunion model. Its ability to describe the cyclone Bejisa is demonstrated. However, it appears that the optimal choice of the solid particle made for ALADIN-Réunion is not suited for the simulation of SAPHIR brightness temperatures with AROME and RTTOV-SCATT. Explanations are given of such inconsistency
A variational formulation for translation and assimilation of coherent structures
No full textThe assimilation of observations from teledetected images in geophysical models requires one to develop algorithms that would account for the existence of coherent structures. In the context of variational data assimilation, a method is proposed to allow the background to be translated so as to fit structure positions deduced from images. Translation occurs as a first step before assimilating all the observations using a classical assimilation procedure with specific covariances for the translated background. A simple validation is proposed using a dynamical system based on the one-dimensional complex Ginzburg–Landau equation in a regime prone to phase and amplitude errors. Assimilation of observations after background translation leads to better scores and a better representation of extremas than the method without translation
Estimation of the MTG-FCI geostationary sensor to improve aerosol concentration forecasting in chemical transport model
No full textL'étude évalue les éventuels bénéfices de l'assimilation des épaisseurs optiques des aérosols (AOD) du futur capteur spatial FCI (Flexible Combined Imager) pour la surveillance de la qualité de l'air en Europe. Une expérience de simulation de système d'observation (OSSE) a été conçue et appliquée sur une période d'étude de quatre mois. Celle-ci comprend deux importants épisodes de pollution : un épisode d'aérosols inorganiques secondaires et un épisode de poussières désertiques. L'étude se concentre d'abord sur le canal FCI centré à 444 nm, qui est la longueur d'onde la plus courte du FCI, et ensuite sur le canal FCI centré à 2250 nm, celle-ci étant la plus grande longueur d'onde dans le proche infrarouge. Ces deux canaux sont nouveaux par rapport aux canaux actuels à bord de SEVIRI. Un Nature Run (NR) et quatre Control Runs différents du modèle chimie-transport MOCAGE ont été conçus et évalués pour garantir la robustesse des résultats de l'OSSE. Les observations synthétiques des AOD du NR ont été perturbées par des erreurs typiques de FCI. Les variances d'erreur des AOD de FCI à 444 nm et à 2250 nm ont été déduites d'une analyse globale sensibilité qui tenait compte du type d'aérosol, de la réflectance de surface et des différentes propriétés optiques atmosphériques. Les expériences montrent un bénéfice général sur tous les indicateurs statistiques de l'assimilation de l'AOD du FCI à 444 nm pour les concentrations d'aérosols en surface au-dessus du continent européen, ainsi qu'un impact positif lors de l'événement de pollution aux aérosols secondaires inorganiques. Les simulations avec assimilation de données reproduisent les structures spatiales et temporelles de concentrations de PM10 en surface mieux que sans assimilation tout au long des simulations et surtout lors de l'événement de pollution pour l'assimilation du canal 444 nm. Sur le bassin méditerranéen, l'assimilation du canal NIR2.2 apporte une valeur ajoutée similaire à VIS04, en raison de la présence dominante de particules grossières (poussières désertiques, sels marins). Ce travail démontre la capacité des données du futur capteur FCI à apporter une valeur ajoutée aux simulations d'aérosols MOCAGE par l'assimilation et, en général, à d'autres modèles de chimie-transport.The study assesses the possible benefit of assimilating Aerosol Optical Depth (AOD) from the future spaceborne sensor FCI (Flexible Combined Imager) for air quality monitoring in Europe. An Observing System Simulation Experiment (OSSE) was designed and applied over a 4-months period that includes two severe pollution episodes: an episode of secondary inorganic aerosols and an episode of desert dust aerosols. The study focuses firstly on the FCI channel centred at 444 nm, which is the shortest wavelength of FCI, and secondly on the FCI channel centred at 2250 nm, which is the largest wavelength in the near infrared. Both channels are new compared to current channels aboard SEVIRI. A Nature Run (NR) and four different Control Runs of the MOCAGE chemistry-transport model were designed and evaluated to guarantee the robustness of the OSSE results. The AOD synthetic observations from the NR were disturbed by errors that are typical of the FCI. The variance of the FCI AOD at 444 nm and 2250 nm was deduced from a global sensitivity analysis that took into account the aerosol type, surface reflectance and different atmospheric optical properties. The experiments show a general benefit on all statistical indicators of the assimilation of the FCI AOD at 444 nm for aerosol concentrations at surface over continental Europe, and also a positive impact during the severe secondary aerosol pollution event. The simulations with data assimilation reproduced spatial and temporal patterns of PM10 concentrations at surface better than without assimilation all along the simulations and especially during the pollution event for the assimilation of the 444 nm channel. In the Mediterranean basin, the assimilation of NIR2.2 channel brings a similar added value as VIS04, due to the dominant presence of coarse particles (desert dusts, sea salts). This work demonstrates the capability of data from the future FCI sensor to bring an added value to the MOCAGE aerosol simulations by assimilation, and in general, to other chemistry transport models
What Did Matthieu Beroald Transmit to François Béroalde de Verville?
No full text Many tangible and intangible goods were passed down within early modern families. The goods included texts and the knowledge that texts communicated. But how did they relate to the other goods transmitted within families? That question is explored in relation to the scholar Matthieu Beroald and his son François Béroalde de Verville, author of the famous Moyen de parvenir. Matthieu transmitted to François a humanist education, at least one printed volume (probably more), an interest in certain topics (especially chronology), a network of contacts, but little wealth. And François soon donated to his sisters what wealth he did receive. His relationship to his intellectual inheritance from his father was complex and ambivalent. Aspects of François's attitude towards knowledge may have stemmed, via his father, from two grandfather-figures: Matthieu's own father (a barber-surgeon) and Matthieu's relative and benefactor François Vatable (the Hebraicist). </jats:p
Tropical Cyclone rapid intensification in the southwest Indian ocean : internal processes and external influences
No full textDans un contexte international, la prévision d'intensité des cyclones tropicaux connaît encore de graves déficiences tandis que la prévision de trajectoire de ces phénomènes météorologiques extrêmes s'est grandement améliorée ces dernières décennies. Une source d'erreur pour la prévision d'intensité est le manque de connaissance des processus physiques qui régissent l'évolution de la structure et de l'intensité des cyclones. Cette thèse, proposée dans le cadre des responsabilités du Centre Météorologique Régional Spécialisé (CMRS) de la Réunion et des axes de recherche du LACy et du CNRM, a pour but d'améliorer la prévision numérique et la compréhension des mécanismes de changement de structure et d'intensité des cyclones dans le sud-ouest de l'océan Indien. On observe statistiquement dans le bassin de fréquents déferlements d'ondes de Rossby qui correspondent à une intrusion des talwegs d'altitude depuis les moyennes latitudes vers les régions où évoluent les cyclones. Ces déferlements advectent dans la troposphère tropicale de l'air d'origine stratosphérique à fort tourbillon potentiel (PV). Le cœur d'un cyclone tropical étant caractérisé par un vortex cyclonique de fort PV, il est donc légitime de se demander si de tels talwegs sont capables de « nourrir » un cyclone en déferlant jusqu'à lui, et l'intensifier par superposition de PV. D'un autre côté, l'approche d'un talweg est associée à d'autres facteurs pouvant jouer en défaveur d'une intensification, comme un fort cisaillement vertical de vent. L'étude de processus est réalisée sur le cyclone Dora (2007) avec le modèle opérationnel du CMRS sur le bassin, Aladin-Réunion. Ce modèle hydrostatique à aire limitée bénéficie d'une résolution horizontale de 8 km et de son propre schéma d'assimilation 3Dvar avec bogus de vent. Un tel bogus permet d'affiner la structure du cyclone à l'instant initial en ajoutant des observations de vent déduites d'un profil analytique et des paramètres de structure du cyclone estimés par les images satellites. Des diagnostiques sur les variables thermodynamiques en sortie de modèle montrent que la phase d'intensification rapide de Dora est bien associée à l'advection de tourbillon potentiel (PV) en provenance du talweg. Bien que fortement cisaillé, le système parvient à s'intensifier grâce à la forte inclinaison du talweg qui advecte du PV au cœur du cyclone en 2 temps et à 2 niveaux (haute et moyenne troposphère). Lorsque le talweg est au plus proche du cyclone, il force un processus dynamique interne appelé « cycle de remplacement du mur de l'œil ». On observe une inclinaison et un renforcement des vitesses verticales à l'extérieur du mur de l'œil principal, associé à une accélération de la circulation cyclonique tangentielle par advection de moment angulaire sur toute l'épaisseur de la troposphère dans cette zone annulaire (mis en évidence par les flux d'Eliassen-Palm). Un second maximum de vent relatif apparaît alors et une deuxième phase d'intensification rapide s'ensuit avec la contraction du mur secondaire. Le forçage de processus internes par une influence externe (un talweg) semble donc être le moteur de l'intensification rapide de Dora dans un environnement cisaillé, et potentiellement celui d'autres cyclones dans le bassin qui sont approchés par des talwegs d'altitude. Les prévisionnistes du CMRS sont invités à surveiller les champs de PV de tels systèmes, en attendant que de plus amples diagnostiques soient réalisés avec l'outil d'inversion du tourbillon potentiel développé sur le modèle global Arpège.Despite significant improvements in Tropical Cyclone (TC) track forecasts over the past few decades, anticipating the sudden intensity changes of TCs remains a major operational issue. The main purpose of this thesis is to analyze TC rapid intensification processes in relation with external forcing induced by upper-level troughs originating from the mid-latitudes. The impact of initial storm structure on storm evolution and prediction is also documented. An objective definition for rapid intensification in the southwest Indian Ocean is first proposed. The location and frequency of TC-trough interactions are identified, as well as TC-trough arrangements conducive to TC intensification. An interesting study case, TC Dora (2007), is chosen to run numerical simulations initialized with synthetic TC observations blended in a global analysis. The simulated TC-trough interaction is intricate with potential vorticity (PV) advection from the trough into the TC core at mid and upper levels. Vortex intensification first occurs inside the eyewall and results from PV superposition. Further intensification is associated with a subsequent secondary eyewall formation triggered by external forcing from the trough. The numerical model is able to reproduce the main features associated with outer eyewall spin-up, inner eyewall spin-down, and their effects on vortex intensity changes. Another numerical study examines typhoons in the northwest Pacific and demonstrates the critical role played by initial vortex structure in TC track and intensity prediction. Upgrading the initial specification of a TC inner-core structure in numerical models is recommended for future TC prediction improvements
Ensemble forecasting synthesis by scenarios physically consistent.Practical : application using object and statistical learning approaches
No full textLa prévision météorologique, basée sur la modélisation du système chaotique atmosphérique, comporte une part d'incertitude. Celle-ci peut être évaluée à l'aide d'ensembles de prévisions. La thèse s'intéresse au post-traitement de la prévision d'ensemble à échelle kilométrique de Météo-France (PE-AROME). L'objectif est de développer de nouveaux outils pour extraire des informations essentielles des modèles pour les prévisions. Ces outils s'appuient sur des méthodes d'apprentissage profond. Ce manuscrit commence par la présentation des prévisions d'ensemble, des méthodes de post-traitement existantes et des méthodes employées aujourd'hui pour expertiser les modèles météorologiques. Cette thèse propose d'enrichir la palette d'outils disponibles avec deux approches complémentaires pour extraire de nouvelles informations de la PE-AROME. Dans un premier temps, une approche pour aider à la prévision de structures orageuses particulières et à fort impact, qu'on nomme les échos arqués, est développée. L'objectif est de les détecter dans les sorties de chaque membre PE-AROME. Cette détection est faite par un réseau de neurones convolutif (de type U-Net). Le réseau de neurones retenu montre une bonne capacité à discerner les échos arqués d'autres organisations orageuses. Les performances de ce U-Net ont permis de déboucher sur une production en mode recherche quotidienne synthétisant le risque d'échos arqués. L'évaluation objective des prévisions montre la plus-value de la PE-AROME comparée au modèle déterministe AROME au-delà de 15 heures d'échéance. La deuxième approche développée durant cette thèse vise à mettre en œuvre une synthèse par scénarios des prévisions de pluies. Un scénario peut être défini comme un groupe de membres prévoyant des évènements météorologiques similaires. Cette approche ne s'intéresse pas à un évènement particulier et est donc moins spécialisée que la détection des échos arqués. Cette synthèse repose sur une réduction de dimension du champ de pluies à l'aide d'un autre réseau de neurones convolutif (de type autoencodeur). Chaque membre est ainsi exprimé et classé dans l'espace latent de l'autoencodeur qui possède quelques dizaines de dimensions. La pertinence de cette représentation sous forme de scénarios est discutée à l'aide de scores et d'études de cas. Les scores montrent une réelle complémentarité entre le modèle déterministe AROME et la PE-AROME. Ils montrent qu'il est plus intéressant de suivre les deux scénarios les plus peuplés de la PE-AROME que deux réseaux AROME. Mais ils montrent aussi qu'en cas de deux scénarios équiprobables dans la PE-AROME, le scénario qui est aussi celui d'une prévision AROME a plus de chance d'être correct que l'autre.Weather forecasting, based on the modelling of atmospheric chaotic system, has a degree of uncertainty. This uncertainty can be assessed by an ensemble prediction system. This PhD-thesis focuses on the post-processing of the Météo-France convection-permitting ensemble prediction system (AROME-EPS). The aim is to develop new tools to extract a relevant information from models for forecasting. These tools are based on deep learning methods. This manuscript starts with the presentation of ensemble forecasts, existing post-processing methods and work methods of forecasters. In order to enhance the forecasting tools currently available, this thesis proposes two complementary approaches to extract new and relevant information from the AROME-EPS. Firstly, an approach to deal with the prediction of a specific type of damaging thunderstorms, called bow echoes, is developed. The objective is to detect them in output of each AROME-EPS member. This detection is made by a convolutional neural network (inspired from the U-Net architecture). The selected neural network demonstrates a good ability to distinguish bow echoes from other convective systems. The skill of this U-Net has led to a daily research mode production summarising the risk of bow echoes. The objective evaluation of forecasts shows the added value of the AROME-EPS compared to the deterministic AROME model beyond 15 lead times. The second approach developed during this thesis aims at implementing a rainfall scenario synthesis. A scenario can be defined as a group of members predicting similar weather events. Since this approach doesn't focus on a particular event, it can be useful on a daily basis to quickly examine ensemble forecasts. This synthesis is based on a dimension reduction of rainfall fields using another convolutional neural network (autoencoder). Each member is expressed and classified in the latent space of the autoencoder which has tens of dimensions. The relevance of this scenario approach is discussed using scores and case studies. The scores show complementarity between the deterministic AROME model and the AROME-EPS. They show it is more interesting to watch the two biggest scenarios in the PE-AROME than two AROME runs. But they also show in case of two equally probable scenarios in the PE-AROME, the scenario that is also the one of an AROME forecast is more likely correct than the other
Towards the use of meteorological ensembles for short distance dispersion of radionuclides in case of an accidental release in the atmosphere : uncertainty propagation and comparison to environmental measurements of radioactivity
No full textLes modèles de dispersion atmosphérique sont utiles lors d'un accident nucléaire pour aider à la gestion de crise, pour prévoir la dose susceptible d'être reçue par les populations lors du passage du panache des radionucléides rejetés dans l'atmosphère et recommander des actions de protection des populations aux autorités. Cependant, il est indispensable de prendre en compte les incertitudes inhérentes à ces simulations. L'une des sources d'incertitudes les plus influentes est la météorologie utilisée pour alimenter les modèles de dispersion. Dans la première partie de cette thèse, nous avons utilisé l'ensemble météorologique à fine échelle de Météo-France PEARO, conjointement avec le modèle de dispersion pX développé à l'IRSN, pour intégrer l'incertitude météorologique aux simulations de la dispersion. La qualité des simulations PEARO-pX ainsi construites a été évaluée à l'aide des mesures radiologiques, réalisées par l'IRSN/LRC, de l'activité du dollar^{85}dollarKr, radionucléide rejeté par l'usine Orano La Hague lors du procédé de retraitement du combustible nucléaire usé. Les résultats de cette étude mettent en évidence l'apport de l'utilisation des ensembles à haute résolution par rapport à une seule prévision déterministe. Dans la deuxième partie de thèse, les travaux réalisés portent sur les contraintes liées au temps de calcul, et qui limitent l'utilisation de tous les membres d'un ensemble météorologique en situation d'urgence nucléaire. Pour répondre à cette problématique, l'une des pistes est la réduction du nombre de simulations composant l'ensemble météorologique utilisé en entrée du modèle de dispersion, par la sélection des membres représentatifs ("clustering"). Plusieurs algorithmes d'apprentissage automatique sont utilisés en météorologie pour optimiser les systèmes de prévisions d'ensemble. Dans cette étude, on compare la performance statistique des méthodes de clustering par partition (K-means) et le clustering hiérarchique (Complete-linkage et Ward). Le vent étant l'une des variables météorologiques les plus influentes pour la dispersion atmosphérique, les trois méthodes de clustering sont appliquées aux champs 3D de la vitesse et la direction du vent, afin de classifier les membres météorologiques de la PEARO en sous-groupes (ou clusters) similaires. Ensuite, un indice de représentativité est calculé pour les membres de chaque cluster afin de sélectionner le membre représentatif qui sera utilisé pour le calcul de la dispersion atmosphérique. Les résultats montrent une performance encourageante des algorithmes de clustering, malgré les erreurs liées aux approximations de la mise en œuvre des algorithmes.Atmospheric dispersion models are useful during a nuclear accident to assist in crisis management, to predict the dose likely to be received by the population during the passage of the plume of radionuclides released into the atmosphere and recommend countermeasures to the decision makers. However, it is essential to take into account the uncertainties inherent to these simulations. One of the most influential sources of uncertainties are the meteorological fields fed to the dispersion models. In the first part of this thesis, we used the Météo-France PEARO fine-scale meteorological ensemble, coupled to the dispersion model pX, developed at IRSN, to integrate meteorological uncertainties into dispersion simulations. The quality of the PEARO-pX simulations thus constructed was evaluated using radiological measurements, carried out by IRSN/LRC, of the air activity concentrations of dolar^{85}dolarKr, a radionuclide released by the Orano La Hague plant during the spent nuclear fuel reprocessing process. The results highlight the added value of ensemble forecasts compared to a single deterministic one. In the second part of the thesis, the study focuses on the computational time constraints that limit the use of all members of a meteorological ensemble in a crisis situation. To address this issue, one of the approaches is to reduce the number of simulations composing the meteorological ensemble used as input to the dispersion model, by selecting representative members ("clustering") who are supposed to represent a large part of the uncertainty of the absolute ensemble. Several Machine Learning algorithms are used in meteorology to optimize ensemble forecasting systems. In this study, we compare the statistical performance of partitioning clustering (K-means) and hierarchical clustering (Complete-linkage and Ward). Since the wind is one of the most sensitive meteorological variables for atmospheric dispersion, the three clustering methods are applied to the wind fields in order to classify the meteorological members of AROME EPS into similar clusters. Then, a representativeness index is calculated for the members of each cluster to select the representative member to be used for the atmospheric dispersion calculation. The results show an encouraging performance of the clustering algorithms, despite the errors due to the approximations of the implementation of the algorithms
- …
