Den meteorologiske omanalysen er en metode Været for omskanning av objektive overflatedata og høydedata tatt over en periode som spenner over tiår for dataassimilering i modeller NWP . Flere sentre rundt om i verden gjør denne typen reanalyse som tar sikte på å standardisere og korrigere historiske data for bedre å kunne gjøre værmeldingen og studere tidligere tilfeller.
Selv en perfekt modell kunne ikke produsere en perfekt prognose, fordi feilene i de innledende forholdene (temperatur, fuktighet, etc.) vil øke i løpet av prognosen, og sistnevnte vil avvike fra virkeligheten. Det er derfor nødvendig å kjenne så presist som mulig atmosfærens opprinnelige tilstand. Å bestemme denne tilstanden, kalt analyse, er i seg selv en stor vitenskapelig utfordring som krever matematiske og beregningsmessige ressurser som kan sammenlignes med de som er viet til å forutsi seg selv. Datakildene er forskjellige, tradisjonelt sammensatt av overflateobservasjoner, i tillegg til data fra radiosonde , vindprofiler og målinger tatt av kommersielle fly. Foreløpig representerer satellittmålinger den viktigste datakilden, og nylig er det også tatt hensyn til reflektiviteter og radarhastigheter i noen mesoskalamodeller .
Imidlertid er ikke bruk av observasjonsdata alene tilstrekkelig. På den ene siden er antall variabler i en numerisk modell større enn antall observasjoner, på den annen side vil en analyse utført direkte ved interpolering av observasjonene føre til ustabil oppførsel av modellen. Dette er en av grunnene til at de første forsøkene på å modellere atmosfærens oppførsel mislyktes av Richardson .
For å bygge analysen bruker vi derfor et utkast, det vil si prognosen som ble gjort tidligere, vanligvis 6 eller 12 timer tidligere. Denne omrisset blir deretter korrigert for å passe så tett som mulig til observasjonene, generelt med tanke på observasjonsfeil. Den mest brukte tilnærmingen i dag bruker metodene for å beregne variasjoner for å bestemme det beste kompromisset mellom utkastet og observasjonene, med tanke på deres respektive feil. Denne tilnærmingen er betegnet med begrepet " 3D-Var " når det bare tar hensyn til modellens tilstand og gyldige observasjoner på tidspunktet for analysen, og " 4D-Var " når den også tar hensyn til utviklingen av disse over et tidsvindu.
Metodene beskrevet ovenfor utgjør dataassimilering , som har blitt et forskningsfelt i seg selv. Analysene innhentet daglig av de forskjellige prognosesentrene rundt om i verden lagres og samles for å danne en bank med historiske meteorologiske forhold. Dette er imidlertid tidsbegrenset til perioden med de numeriske værvarslingsmodellene. For å kunne gi konsekvente resultater når forskere tester en modifikasjon av modellene, må de kunne ha en lengre historisk database og fremfor alt som kan forbedres over tid ved å eliminere feil forårsaket av datahull. I noen områder.
Den meteorologiske omanalysen er altså en teknikk som har som mål å kontinuerlig oppdatere de første analysene for å ha en slik bank. Denne tilsynelatende enkle oppgaven er faktisk vanskelig fordi det i perioden dekket av værmeldingsmodellene har skjedd suksessive forbedringer i den horisontale og vertikale oppløsningen, mens noen variabler har forsvunnet mens nye har blitt introdusert. I tillegg har måleinstrumenter og deres typer variert gjennom flere tiår, før og etter modelltiden. Som nevnt tidligere, i begynnelsen av XX th -tallet , kun en begrenset mengde data fra overflate værstasjoner og skip var tilgjengelig. Deretter ble aerologiske data lagt til fra 1920-tallet, satellittdata fra 1970-tallet og radar for nylig. Enhver meteorologisk hendelse analysert i et gitt øyeblikk har derfor ikke alltid det komplette settet. Denne mangelen på homogenitet gjør analyser vanskelig å bruke, spesielt for de som ønsker å analysere klimaet over lange perioder.
Den ECMWF / ECMWF i Europa, NCEP i USA og flere andre rundt om i verden gjør slikt arbeid som gjør det mulig for en konsekvent system og korrigering av flere manuelle justeringer i de områdene av manglende data, hvor estimering av scenariene var vanlig .
For å produsere en reanalyse, velger disse sentrene den nyeste versjonen av deres værmeldingsmodell samt deres dataassimileringsalgoritme. De bestemmer deretter en ensartet horisontal og vertikal oppløsning som vil bli brukt når de tar i bruk historiske data for hele den reviderte perioden. Nye kilder til observasjoner som var tilgjengelige, men som ikke ble brukt på tidspunktet for forrige analyse, kan til og med integreres for å forbedre representasjonen av klimaet. Dette arbeidet utføres vanligvis i perioder hvor observasjonsnettverkene er varierte, tette og pålitelige over flere tiår.
Selv om reanalyse er ment å være det "beste" estimatet av værvariabler, bør det brukes med kunnskap om dets forstyrrelser og mangler. Faktisk byttes instrumentene regelmessig og forverres med bruk. Dermed forbedres sensorene til en meteorologisk satellitt fra generasjon til generasjon, men systemene deres forverres i løpet av deres levetid.
I tillegg kommer de ulike analysene fra forskjellige prognosemodeller som ikke bruker de samme assimileringsskjemaene, ikke har samme oppløsning og utvalg av observasjoner. Reanalysene bruker også variabler som det ikke er noen direkte observasjoner av, noe som potensielt gir de største forskjellene ettersom de bare bestemmes av prognosemodellen. En av begrensningene til modellene er heller ikke å bevare fuktighet ( nedbør , fordampning , etc.).
Av alle disse grunnene er det noen ganger signifikante forskjeller mellom forskjellige analyser-databaser, spesielt i områder der observasjoner er sjeldne.