La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

1 Présentation au Sénat Contribution des projets Clime, IDOPT et VISTA 25 octobre 2005.

Présentations similaires


Présentation au sujet: "1 Présentation au Sénat Contribution des projets Clime, IDOPT et VISTA 25 octobre 2005."— Transcription de la présentation:

1 1 Présentation au Sénat Contribution des projets Clime, IDOPT et VISTA 25 octobre 2005

2 2 Problématique méthodologique de la prévision géophysique

3 3 Prévision La prévision de lévolution de lenvironnement est un problème capital du point de vue économique et social. Il est important de définir les échelles auxquelles on travaille. Echelle de temps : dans 1 heure (pour la prévision des tornades), dans 1 jour, ou la saison prochaine. Seule la deuxième échéance est bien maîtrisée actuellement.

4 4 Principe de la prévision On reconstitue létat du milieu à un instant initial. On résout le modèle mathématique qui va donner la prévision. On recommence en tenant compte des erreurs de la prévision précédente.

5 5 Quelles sont les informations disponibles ? Des modèles mathématiques décrivant lévolution du milieu. Des données dobservation « in situ » ou à distance. Des statistiques historiques. Des images. En bref : de linformation hétérogène en nature, qualité et densité. Un problème crucial est de coupler ces sources dinformation pour reconstituer létat de lenvironnement.

6 6 Les modèles Les principes sont simples : ils sont obtenus en écrivant la conservation de masses (air, eau). La mise en œuvre est difficile, notamment en raison de lhétérogénéité du sol, du relief et des échanges à petite échelle. La résolution des modèles nécessitent la manipulation de systèmes déquations avec plusieurs millions de variables.

7 7 Difficultés Les changements de phases de leau (vapeur, liquide, solide et mélange des trois) introduisent un grand niveau de difficulté. On ne peut isoler une composante (atmosphère, océan, eaux continentales) des autres composantes : il y a une interaction (échange de masse et dénergie) permanente. Les projets de prévision saisonnière demanderont la mise en œuvre de modèles énormes couplant océan et atmosphère. Les ouragans donnent une idée claire de linteraction entre ces 2 média.

8 8 Futur La prévision météorologique gagne (grosso modo) un jour tous les 8 ans. La prévision océanique arrive au stade opérationnel. La prévision opérationnelles des crues (notamment les crues éclair) se met en place et nécessite un fort couplage avec une prévision météorologique très précise à léchelle du bassin versant. Une coopération internationale est indispensable. Une très forte approche interdisciplinaire est nécessaire entre physiciens, mathématiciens, informaticiens pour rendre la prévision plus rapide et plus efficace.

9 9 Problématique applicative pollution atmosphérique

10 10 Pollution Atmosphérique Prévision de la qualité de lair à petite échelle : Milieu urbain, Sorties de tunnel, Impacts de site industriel. Prévision de la qualité de lair aux échelles régionales et continentales : Épisodes photochimiques, Transport multi-polluants (mercure, métaux lourds, pluies acides). Modélisation de la concentration en gaz (ozone, oxydes dazote) et en aérosols.

11 11 Pollution Atmosphérique Plate-forme de recherche Polair3D, développée et opérée par le CEREA (Centre dEnseignement et de Recherche en Environnement Atmosphérique) : le projet Clime est un projet commun INRIA/CEREA. Exemple de prévision dozone à léchelle européenne :

12 12 Pollution Atmosphérique : besoin de coupler données dobservation et modèles Un modèle numérique sans données dobservation nest que de peu dutilité. Des données dobservation seules ne suffisent pas pour établir une prévision fiable. Les modèles mathématiques contiennent des paramètres inaccessibles à la mesure (exemple : paramétrisation sous-maille), mais qui peuvent être estimées à laide des données dobservation. Beaucoup de phénomènes géophysiques requièrent une condition initiale précise pour produire une prévision.

13 13 Pollution atmosphérique : extraction de données Disponibilité attendue de capteurs satellitaires pour la télédétection de la chimie en basse atmosphère : GOME2 et IASI sur le futur satellite MetOp (2006), Futures missions troposphère de lESA (2012). Mesures de concentrations de gaz (ozone, NOx, méthane, …) et daérosols. Complément des mesures terrestres (réseaux de surveillance de la pollution), avec : Couverture spatiale plus dense et uniforme (env 50km), mais, Mesures moins fréquentes (quotidiennes).

14 14 Problématique applicative dégradation des sols

15 15 Dégradation des sols Surveillance par satellite, sur des zones étendues, de la dégradation des sols. Dégradation considérée: perte de végétation. Erosion, Déforestation. Utilisation de données acquises quotidiennement par des satellites comme: NOAA (capteur météorologique), résolution 1km. MODIS (capteur dobservation de la terre), résolution 250m.

16 16 Dégradation des sols Mise en œuvre de modèles heuristiques de lobservation du phénomène sur les images. En chaque point dobservation on dispose dune courbe donnant lévolution dune caractéristique –calculée à partir des mesures satellite- au cours du temps. Lérosion (changement de couleur du sol) ou la déforestation (perte de la végétation) se traduisent par des courbes distinctes des courbes dites « normales ».

17 17 Dégradation des sols: détection de la déforestation, Pantanal, Brésil. Courbe bleue: comportement normal de savane; Courbe rouge: déforestation. Bas gauche: détection (en blanc) de déforestation. Contrôle sur images haute résolution (avant et après)

18 18 Problématique applicative: incendies

19 19 Incendies Surveillance par satellite de panaches dincendies : Accidents de sites industriels, Incendies de forêt. Images utilisées: capteurs météorologiques, avec mesure des rayonnements visibles et thermiques. NOAA (résolution 1km, images quotidiennes). Meteosat (résolution 2,5km, images tout les 15mn).

20 20 Incendies Modèle heuristique dobservation du phénomène : on calcule deux indices : CLD, mesure nouvelle combinant les mesures thermiques et visibles : un panache est plus sombre et plus chaud quun nuage. NDVI, indice classique utilisé pour caractériser la présence de végétation. Permet de distinguer le panache du sol.

21 21 Incendies Feu de forêt, Espagne, juillet 2005.

22 22 Problématique méthodologique: assimilation dimages

23 23 Assimilation de données images dans les modèles de prévision géophysique: problèmes Quelles images : statiques ou dynamiques. Quelle information utile pour contraindre le modèle ? Espace image : adapté à la représentation des frontières de structures, trajectoires, champ de vitesses, etc. Définition dune norme dans lespace des images pour calculer la distance entre les solutions du modèle et les observations. Opérateur pour passer de lespace image à lespace détat.

24 24 Assimilation dimages en océanographie Données image SST (Sea Surface Temperature) : estimées à partir de mesures infrarouges. Capteur NOAA/AVHRR : acquisition quotidienne, résolution 1-5km. Modèles de simulation Shallow-water : modèle bidimensionnel simplifiés. Modèles de circulation 3D, éventuellement couplés à des modèles dactivité biologique. Structures dintérêt Champ de vitesse de circulation Trajectoires de structures

25 25 Comparaison des résultats avec et sans assimilation

26 26 Assimilation de données image en météorologie Assimilation permet une mesure temporelle cohérente des vents a partir dimages satellitaires Association dun modèle dynamique (équations de Navier-Stokes) et dune séquence dimages satellitaire Assimilation effectuée ici par filtrage stochastique Autorise in fine un suivi automatique et une caractérisation cinématique de phénomènes météorologiques potentiellement dangereux

27 27 Suivi dun cyclone sur locéan indien


Télécharger ppt "1 Présentation au Sénat Contribution des projets Clime, IDOPT et VISTA 25 octobre 2005."

Présentations similaires


Annonces Google