Séminaire lundi 12 dec 11h00 / Seminar Monday Dec 12 11h00


 Conférencier/Lecturer: Gianpaolo Balsamo, ARMA

        Sujet/Subject:  The Canadian Land Data Assimilation System project

          Presentation: Francais/French

             Lieu/Room: Grande salle du premier étage CMC
                         
                  iweb: http://iweb.cmc.ec.gc.ca/rpn/SEM

          web: http://collaboration.cmc.ec.gc.ca/science/rpn/SEM/index.php

          --------------------------------------------------


                         RESUME / ABSTRACT


*The Canadian Land Data Assimilation System project*

The initialization of the land surface state in Numerical Weather
Prediction (NWP) models is important for improving the accuracy of near
surface and tropospheric forecasts. Therefore it has received
considerable attention by the operational centers in the past two
decades. The atmospheric impact of the land surface comes from the
partitioning of surface latent and sensible heat fluxes, but soil water
and temperature are also of great importance for hydrological and
agricultural modeling applications (including flood and drought
forecast, yield production, etc.).

The CaLDAS (Canadian Land Data Assimilation System) project is trying to
combine current land surface modeling capabilities with optimal
estimation techniques used in atmospheric data assimilation for
producing reliable (global to regional) land surface initial conditions
to be used in Weather and Climate predictions.

The assimilation of screen-level observations (2-m temperature and
humidity from SYNOP-like network), infrared derived skin temperature
(from GOES) and microwave radiances (from AQUA, HYDROS) is investigated
in the frame of CaLDAS. A set of Observing System Simulated Experiments
(OSSEs) is performed to assess the information content carried by each
observation type.

A CaLDAS prototype assimilating hourly screen-level observations is
developed for producing daily soil moisture and temperature analyses
over North America (GEM-15 km core-domain). The results of these tests
and the advantages of CaLDAS with respect to the current operational
initialization are presented.

###------------------------------------------------------------------------###


L'initialisation des surfaces continentales dans les modèles de
prévision numérique du temps est importante pour améliorer la qualité
des prévisions près de la surface et dans la troposphère. En
conséquence, les centres opérationnels y ont porté une attention
particulière au cours des deux dernières décennies.

L'impact de la surface sur l'atmosphère résulte de la répartition des
flux de chaleurs latente et sensible, mais l'eau et la température du
sol sont aussi très important pour la modélisation hydrologique et en
agriculture (prévision de crues, sécheresses, récoltes, etc.).

Le projet CaLDAS (Canadian Land Data Assimilation System) se propose de
combiner les schéma de surface actuels avec les techniques d'estimation
optimale utilisées en assimilation de données atmosphériques pour
définir les variables de surface en vue de l'initialisation (global à
régional) des modèles de prévision du temps et du climat.

L'assimilation de températures et humidités à 2-m (SYNOP), de
températures superficielles infrarouge (GOES) et de radiances
micro-ondes (AQUA, HYDROS) est considérée dans le cadre de CaLDAS.
Plusieurs expériences à l'aide des données simulées (OSSEs) sont
réalisées pour estimer le contenu en information apporté par chaque type
d'observation.

Un prototype de CaLDAS pour l'assimilation des données à 2-m horaires
est développé pour obtenir des analyses de température et eau du sol sur
l'Amérique du Nord (GEM-15 km - coeur du domaine). Les résultats de ces
tests et les avantages de CaLDAS par rapport au système opérationnel
d'analyse de surface sont présentés.