Utilisation de profils de neige observés dans la modélisation numérique du manteau neigeux

(1)

Utilisation de profils de neige observ´ es dans la mod´ elisation num´ erique du manteau neigeux

L´eo Viallon-Galinier

Encadrement : Pascal Hagenmulleret MatthieuLafaysse

M´et´eo-France/CNRS, CNRM UMR3589, CEN, Grenoble, France

Vendredi 1 Septembre 2017 Stage : 27 Mars → 28 Juillet 2017

(2)

Plan

1 Introduction et contexte

2 Mat´eriel et m´ethodes

3 R´esultats et discussion

4 Conclusion

(3)

Introduction et contexte

4 Conclusion

L´eoViallon-Galinier (CNRM/CEN) Soutenance stage 3A Vendredi 1 Septembre 2017 3 / 25

(4)

Contexte du stage

M´et´eo-France/CNRS, CNRM UMR3589, CEN, Grenoble

Equipe MANTO :´

Modélisation du manteau neigeux Propriétés et microstructure de la neige

(5)

Contexte : le mod` ele SURFEX/ISBA/Crocus

Mod`ele d’´evolution du manteau neigeux : Crocus [Brun et al., 1989]

Processes Prognostic model variables

Ground thermal flux Snowmelt

Wind

Rain Snow

Shortwave radiation

Downward Upward

Longwave radiation Downward

Emitted Turbulent fluxes Latent heat Sensible

heat

Ground Snowpack Atmosphere

Thermal diffusion Water flow, phase change Metamorphism Compaction Spectral albedo

Light penetration

++

\ \ oo

••

◻◻

ΛΛ

◻◻

ΛΛ Density

Liquid water content Snow grains Heat content

Temperature

Snow grain characteristics: - dendricity - sphericity - size - historical variable ++

\ \ oo

••

- temperature - liquid volumetric water content - volumetric ice content Soil layer

Thermal diffusion Water flow, phase change

Snow layer

Layer numbering

1

...

2

N 1 2 Snow

N_Ground

.........

Sch´ema de principe du mod`ele Crocus.Source : [Vionnet et al., 2012]

(6)

Contexte : le mod` ele SURFEX/ISBA/Crocus

Mod`ele d’´evolution du manteau neigeux : Crocus [Brun et al., 1989]

For¸cage m´et´eorologique

Mod`ele atmosph´erique, pas horaire :

Vent, température, précipitation, humidité, rayonnement

(7)

Contexte : le mod` ele SURFEX/ISBA/Crocus

Problématiques du modèle numérique :

Accumulation erreurs au cours de la saison

Evaluation sur variables de surface ou int´´ egr´ees sur la hauteur

2000-11-09 2000

-12-29 2001-01-23

2001-02-17 2001-03-14

2001-04-08 2001-05-03 0.0

0.1 0.2 0.3 0.4 0.5 0.6

Hauteur (m)

120 160 200 240 280 320 360 400 440

Density (kg/m3)

2000-12-04

Simulation et hauteur mesur´ee, Col de Porte (2000-2001)

(8)

Contexte : le mod` ele SURFEX/ISBA/Crocus

Problématiques du modèle numérique :

Accumulation erreurs au cours de la saison

Evaluation sur variables de surface ou int´´ egr´ees sur la hauteur

Chaine opérationnelle, Pyrénées, Mars 2017, biais hauteur totale

(9)

R´ eseau nivo-m´ et´ eo

Réseau d’observateurs nivo-météo Sondages réguliers

R´egions Postes sondage

Alpes Nord 57

Alpes Sud 28

Corse 4

Pyr´en´ees 29

Total 118

Postes actifs saison 2016-2017

0 10 20 30 40 50 60 70

Ram hardness (kgf) 0.0

0.1

0.2

0.3

0.4

0.5

0.6

Depth (m)

Type

Size (mm)HardnessHumidity ac

hh

dc

ii hh

0.8

0.4

1.5 F

P

1F

K

P D

D

D 14 12 10 8 6 4 2 0Temperature (deg. C)

0 100 200 300 400 500

Density (kg m−3) Poste = 38472401 Date = 2003-12-29 13:00:00

Observation, Col de Porte, 29/12/2003

(10)

Buts du stage

1 Utiliser des observations pour recaler le mod`ele en cours de saison

2 Evaluer les r´´ esultats du mod`ele grˆace aux observations

(11)

Mat´eriel et m´ethodes

4 Conclusion

(12)

Mati` eres

Mod`ele

SAFRAN-SURFEX/ISBA/Crocus Donn´ees d’observation

Base de donn´ee nivologique :

postes réguliers, répartis sur différent massifs Col de Porte (Chartreuse,1325 m)

Tignes (Haute-Tarantaise,2400 m) La Plagne (Vanoise,2160 m) Saisons 2000 → 2015

Col de Porte 2011-2012 (SSA, pénétromètre) (Données de Carlo Carmagnola)

(13)

M´ ethodes de r´ einitialisation

For¸cage par les donn´ees d’observation

R´einitialisation compl`ete

+ Red´efinition des couches num´eriques

- Variables non mesurables ou non mesurées (ex. : âge) Réinitialisation partielle

+ Réinitialisation des variables au choix, selon les observations - Nécessité d’apparier la simulation avec l’observation disponibles

(14)

M´ ethode de r´ einitialisation

Observation

variables

Layer thickness Density Grain type

Grain size Hardness Humidity Temperature

proﬁle

Simulation

variables

Density SSA Historic Sphericity

Enthalpy Snow Water

Equivalent Completion table

Table Table Table Crocus Multiplexing

Age

(15)

Appariement de profils

N´ecessaire pour r´einitialisation partielle

Algorithme DTW (Dynamic Time Wraping), [Hagenmuller and Pilloix, 2016]

Recherche le meilleur appariement pour une distance donn´ee, avec une contrainte sur la variation d’´epaisseur de couches (+100 %/-50 %).

Illustration : C.Bouchayer

(16)

Appariement de profils

N´ecessaire pour r´einitialisation partielle

Algorithme DTW (Dynamic Time Wraping), [Hagenmuller and Pilloix, 2016]

Distance

Multivariable Densit´e SSA

Temp´erature LWC

Type de grains (Lehning, 2001) Ecart au profil initial´

(17)

Bilan des m´ ethodes

0 10 20 30 40 50 60 70

Ram hardness (kgf) 0.0

0.1

0.2

0.3

0.4

0.5

0.6

Depth (m)

Type Size (mm)HardnessHumidity ac hh

dc

ii hh

0.8

0.4

1.5 F

P

1F

K

P D

D

D 14 12 10 8 6 4 2 0Temperature (deg. C)

0 100 200 300 400 500

Density (kg m⁻³) Poste = 38472401 Date = 2003-12-29 13:00:00 Observation

(a) Observation

0 10 20 30 40 50 60

SSA (m2/kg) 0.00

0.05

0.10

0.15

0.20

0.25

0.30

Depth (m)

Sphericity Historic Age (days) 0.460.43 0.420.41 0.39 0.38 0.35 0.3 1.0 1.0 0.0 0.0 0.09 0.5 0.84 1.0

00 00 0 0 0 0 3 2 0 1 1 1 4 4

0.310.4 0.460.51 0.55 0.6 0.66 0.76 6.31 6.86 6.94 7.1 7.31 7.75 24.14 31.57 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0Enthalpy (J/m2)

1e8 0 100 200 300 400 500

Density (kg m⁻³) Poste = 38472401 Date = 2003-12-29 13:00:00 Reference simulation

(b) R´ef´erence

0 10 20 30 40 50 60

SSA (m2/kg) 0.0

0.1

0.2

0.3

0.4

0.5

0.6

Depth (m)

Sphericity Historic Age (days) 0.460.43 0.420.41 0.39 0.38 0.35 0.3 1.0 1.0 0.0 0.0 0.09 0.5 0.84

1.0 00 00 0 0 0 0 3 2 0 1 1 1 4

4 0.310.4 0.460.51 0.55 0.6 0.66 0.76 6.31 6.86 6.94 7.1 7.31 7.75 24.14

31.57 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0Enthalpy (J/m2)

1e8 0 100 200 300 400 500

Density (kg m⁻³) Poste = 38472401 Date = 2003-12-29 13:00:00 Reference simulation - Matched

(c) Appariement

0 10 20 30 40 50 60

SSA (m2/kg) 0.0

0.1

0.2

0.3

0.4

0.5

0.6

Depth (m)

Sphericity Historic Age (days) 0.50.5 0.50.5 0.5 0.5 0.5 0.9 0.8 0.8 0.8 0.8 0.69 0.99 0.99 0.99

00 00 0 0 0 1 2 2 2 2 2 2 2 2

0.310.4 0.460.51 0.55 0.6 0.66 0.76 6.31 6.86 6.94 7.1 7.31 7.75 24.14 31.57 1.2 1.0 0.8 0.6 0.4 0.2 0.0Enthalpy (J/m2)

1e8 0 100 200 300 400 500

Density (kg m⁻³) Poste = 38472401 Date = 2003-12-29 13:00:00 Reinitialized simulation

(d) R´einitialis´e

(18)

R´esultats et discussion

4 Conclusion

(19)

R´ esultats

R´ef´erence

Recal´e

0.00.2 0.40.6 0.81.0 1.21.4

Hauteur (m)

Reference height

2003-08-01 09h 2003-10-02 21h 2003-12-04 09h 2004-02-04 21h 2004-04-07 09h 2004-06-08 21h 0.00.2

0.40.6 0.81.0 1.21.4

Hauteur (m)

PPPP+DF DFDF+RG DF+FC PPgpRG MF+RG RG+FC FCFC+DH DHMF MF+DH MF+FC

Grain type (EN)

PPPP+DF DFDF+RG DF+FC PPgpRG MF+RG RG+FC FCFC+DH DHMF MF+DH MF+FC

Grain type (EN)

(20)

R´ esultats

SSA (m2/kg) 0 1 2 3 4 5 6 7

Error

Reference Immediately after 1 week after 1 month after LWC (-)

0.00 0.02 0.04 0.06 0.08 0.10 0.12

Grain (-) 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35

Density (kg/m3)⁰ 10

20 30 40 50 60

Temp. (K) 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

Depth (m) 0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18

Albedo (-) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07

Am´elioration plus ou moins parfaite selon la variable Erosion temporelle de l’am´´ elioration

(21)

Discussion : Ad´ equation des variables

Réinitialisation fonctionne si variables mesurées correspondent à ce que simule le modèle

Cas extrˆeme : SSA mesur´ee par ASSSAP :

0 10 20 30 40 50 60 70

Crocus C13 SSA (m2/kg) 0

10 20 30 40 50 60 70 80

ASSSAP SSA (m2/kg)

PP PP+DF DF DF+RG DF+FC PPgp RG MF+RG RG+FC FC FC+DH DH MF MF+DH MF+FC

(22)

Quand r´ einitialiser ?

0 20 40 60 80 100 120 140

Reference error

50 0 50 100 150

Density (kg/m3) Error amelioration / Ref.

Reference Immediately after 1 week after 1 month after

rho

Am´elioration selon l’erreur mod`ele, 3 postes, 2000-2015

(23)

Conclusion

4 Conclusion

(24)

Conclusion

Avanc´ees

Am´elioration des simulations Crocus Postes si : Erreurs du mod`ele suffisantes

Observations suffisamment rapproch´ees M´ethode d’interpolation d’observations Evaluation du mod`´ ele

Identification des variables pertinentes de l’observation Limites

Choix des distances

Appariement des profils (DTW) Tenue dans le temps

Qualité des observations disponibles On peut dégrader la modélisation

(25)

Conclusion

Perspectives

Evaluation futures du mod`´ ele grâce aux observations détaillées Repérage des biais du modèle et points amélioration

Assimilation (filtre `a particules)

(26)

Conclusion

Bilan du stage

Immersion en recherche Publication `a venir

D´ecouverte du CNRM, employeur d’IPEF

Perspectives:

M2R Approche Multi´echelle des Mat´eriaux et Structres

(École des Ponts – Université Paris-Est Marne-la-Vallée)

Th`ese

(27)

Conclusion

Merci de votre attention

(28)

Conclusion

Bibliographie

Brun, E., Martin, E., Simon, V., Gendre, C., and Coleou, C. (1989). An energy and mass model of snow cover suitable for operational avalanche forecasting. Journal of glaciology, 35(121) :333–342.

Hagenmuller, P. and Pilloix, T. (2016). A new method for comparing and matching snow profiles, application for profiles measured by

penetrometers. Frontiers in Earth Science, 4 :1–13.

doi :10.3389/feart.2016.00052.

Vionnet, V., Brun, E., Morin, S., Boone, A., Faroux, S., Moigne, P. L., Martin, E., and Willemet, J.-M. (2012). The detailed snowpack scheme crocus and its implementation in surfex v7.2. Geoscientific model development, 5 :773–791. doi :10.5194/gmd-5-773-2012.