Geostationary satellite data assimilation with limited-area models for tropical solar irradiance forecasting
Assimilation de données satellitaires géostationnaires dans des modèles atmosphériques à aire limitée pour la prévision du rayonnement solaire en région tropicale
Résumé
The variability of solar irradiance necessitates to limit the instantaneous feed-in of solar power to electricity grids. An improvement of solar irradiance forecasts would allow to increase the defined threshold limits, especially in non-interconnected zones such as Reunion Island. Achieving higher forecast accuracy is particularly challenging in the case of tropical islands due to pronounced convection and local thermal circulations. Limited-area numerical weather prediction (NWP) models allow to forecast cloud processes and solar irradiance at high spatio-temporal resolutions of a few kilometres and minutes. Nevertheless, they often fail to accurately predict cloudiness evolution and thus tend to overestimate solar irradiance. Refining the initial conditions of regional models in terms of clouds is an efficient means for improving short-term cloud cover and irradiance forecasts. The assimilation of geostationary meteorological satellite observations can achieve this improvement. Nevertheless, a variety of satellite data assimilation (DA) approaches exist and research has focused on mid-latitudes so far. This thesis deals with the assimilation of geostationary satellite observations with limited-area models in the southwestern Indian Ocean. In a first step, the state of the art in terms of existing approaches for radiance and cloud property retrieval assimilation with regional-scale models is reviewed. In consequence, one of the most promising approaches is identified and applied to the southwestern Indian Ocean. In the performed experiments, multi-phase cloud water path retrievals from NASA Langley's SatCORPS cloud products are assimilated with an ensemble Kalman filter using the Weather Research and Forecasting model. A 41-member ensemble at 12 km grid spacing is applied with a DA cycling interval of 6 hours. The Data Assimilation Research Testbed and its forward operator for cloud water path are used to assimilate gridded cloud water retrievals in the ice, supercooled liquid, and liquid phase. The impact of this assimilation approach on forecasts of global horizontal irradiance (GHI) is evaluated for austral summer 2017/2018 using pyranometer observations on Reunion Island. A distinct positive impact of the applied method on the first 14 hours of GHI forecasts is found. Different aspects of the forecast improvement due to DA are analysed by means of control experiments without DA, experiments with a nested domain at 4 km grid spacing, and a comparison with operational NWP models. As the utilised gridded cloud products are available globally, the method offers a portable and globally applicable approach that may also be evaluated for other regions of the Earth.
La variabilité de l’énergie solaire impose de limiter sa fraction d’injection instantanée dans le réseau électrique. Une amélioration des prévisions de l’ensoleillement conduirait à élever la limite de ce seuil, spécialement dans les zones non-interconnectées comme La Réunion. Une plus haute précision de prévision est particulièrement difficile à atteindre dans le cas des îles tropicales à cause de la convection prononcée et des circulations thermiques complexes au niveau local. Les modèles de prévision numérique du temps à aire limitée permettent de prévoir les processus liés aux nuages et l'éclairement solaire à de hautes résolutions spatio-temporelles, de l’ordre de quelques kilomètres et minutes. Néanmoins, ces modèles parviennent rarement à prévoir précisément l'évolution de la couche nuageuse et ont donc tendance à surestimer l'éclairement solaire. L’affinement des conditions initiales nuageuses des modèles régionaux par l’assimilation d’observations de satellites météorologiques géostationnaires est un moyen efficace pour améliorer les prévisions à court terme. Toutefois, une grande variété d'approches pour l'assimilation des données satellitaires existe et, jusqu'à présent, la recherche s’est concentrée sur les moyennes latitudes. Cette thèse aborde l'assimilation d'observations de satellites géostationnaires avec des modèles à aire limitée dans le sud-ouest de l'Océan Indien. Dans un premier temps, l'état de l'art des approches existantes pour l'assimilation de luminances observées et de propriétés physiques des nuageuse avec les modèles régionaux est dressé. Puis, l'une des approches les plus prometteuses est identifiée et appliquée au sud-ouest de l'Océan Indien. Dans les expériences effectuées, la teneur en eau des nuages est obtenue à partir des produits de propriétés nuageuses SatCORPS de la NASA. Ces observations sont assimilées avec un filtre de Kalman d’ensemble et le modèle Weather Research and Forecasting. Un ensemble de 41 membres et un espacement horizontal des points de grille de 12 km est appliqué avec un intervalle de cyclage de 6 heures pour l'assimilation. Le Data Assimilation Research Testbed et son opérateur d'observations de teneur en eau des nuages sont utilisés pour l'assimilation d'observations dans les phases solide, surfondue, et liquide. L'impact de cette approche d'assimilation sur des prévisions de l'éclairement horizontal global est évalué pour l'été austral 2017/2018 en utilisant des observations de pyranomètres sur l'île de La Réunion. Un effet positif de la méthode appliquée sur les prévisions de l'éclairement est constaté surtout pour les 14 premières heures de prévision. Différents aspects de l'amélioration des prévisions, grâce à l'assimilation de données, sont analysés par le biais d’expériences témoins sans assimilation, d’expériences avec un domaine de grille imbriquée avec un espacement horizontal des points de grille de 4 km et d’une comparaison avec des modèles opérationnels. Les observations quadrillées utilisées étant disponibles à l'échelle mondiale, la méthode offre une approche applicable et évaluable pour d'autres régions du monde.
Origine : Version validée par le jury (STAR)
Loading...