Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan dans le modèle de biogéochimie marine PISCES Thèse de Abdou Kane Direction: Cyril.

Slides:



Advertisements
Présentations similaires
Guillaume Thirel CNRM/GMME/MOSAYC Thèse encadrée par Éric Martin
Advertisements

QUALIFICATION COMPORTEMENTALE DES BASES DE DONNEES CLIENTS
Assimilation de données océaniques pour la prévision saisonnière
Stage effectué au CERFACS, sous la direction de Laurent Terray
S. Ricci, A.T. Weaver, E. Machu, P. Rogel CERFACS J. Vialard LODYC
Démarches de modélisation
en Modélisant les Ecosystèmes aNTropiques »
STRATEGIE DONNEES MARINES Les données in situ Catherine Maillard, IFREMER/TMSI/IDM/SISMER SISMER Table Ronde RIO 29/11/2000 SISMER Systèmes dInformations.
Modélisation de l’hydrodynamique du plateau atlantique
Les données satellites pour le côtier Température de surface, chlorophylle et matières en suspension minérales Francis Gohin IFREMER DYNECO Brest Forum.
Contribution à l’étude du système des carbonates en Méditerranée
Les apports de la recherche : conclusions du projet ANR « Autrement »
G.Herbert, N.Ayoub, P.Marsaleix, F.Lyard, C.Maraldi, J.Lamouroux
Estimations de biomasse de civelles dAnguille dans lestuaire de lAdour : Saisons 1998/1999 et 1999/2000 Noëlle BRU, Rémy DROUILHET Gérard dAUBIGNY & Catherine.
Section 7 : Sciences et technologies de l’information (informatique, automatique, signal et communication) Traitement de signaux satellitaires de couleur.
Audition CNRS pour le poste 44/04 au LOCEAN
Muséum, école polytechnique
Tests et Validation du logiciel
Plan d’implementation MERMeX
Utilisation des méthodes neuronales pour l'analyse des images de couleur de l'océan C. Moulin, C. Jamet (LSCE) J. Brajard, A. Chazottes, M. Crépon, C.
LABORATOIRE D'OCEANOGRAPHIE ET DU CLIMAT : EXPERIMENTATION ET APPROCHES NUMERIQUES UNITE MIXTE DE RECHERCHE 7159 CNRS / IRD / UNIVERSITE PIERRE & MARIE.
WP4 – L-IPSL – Sub-theme Impact of climate change on biogeochemical fluxes and ecosystems along the land-ocean continuum « A challenge will be to extend.
1 ARCHITECTURE DACCÈS la méthode générale modèle de données définitions module daccès / modules métiers construction des modèles les modules daccès, les.
Vers un indicateur de la qualité des cours d’ eau…
Polarisation et Directionnalité
Mélanie JUZA LEGI-MEOM, Grenoble
DRAFT VERSION Hervé Claustre I Coordinateur du projet
Cours #8 Flot de conception d’un circuit numérique
Thèse CNES-region PACA ( ) Laboratoire dOcéanographie de Villefranche (UMR7093) Observatoire Océanologique de Villefranche (OOV) Variabilité diurne.
Initialisation et prévisibilité de la circulation océanique dans l’Atlantique lors des 50 dernières années Didier Swingedouw, Juliette Mignot, Sonia Labetoulle,
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Séminaire de lobjectif « forage et production » Beaune, les 26,27 et 28 Avril 2000 Outils danalyse statistiques « programmation par lexemple » S. Canu,
Télédétection des Océans : quels défis pour le futur ?
Utilisation d’un SVAT, de la HR à la BR: étude d’impact
WP 4: Climate Change and Ocean Acidification 1st Annual Meeting Paris, 9-11 May 2011 MACROES.
Évaluation des processus radiatifs et des nuages par le modèle GEM-LAM pour lannée SHEBA en Arctique UQÀMESCER Étudiant: Dragan Simjanovski Directeurs.
Présentation du mémoire
Introduction aux interactions Océan-Atmosphère en Atlantique tropical
Amélioration du parallélisme du code de climat de l'IPSL.
Inversion de données par lAdjoint Application à lacoustique sous marine M. Berrada UPMC-LOCEAN
Colloque National sur l’Assimilation de Données
Table ronde Variation décennale du climat
Le système d’assimilation hybride Meso-NH/AROME
Thèse CNES-region PACA ( ) Laboratoire dOcéanographie de Villefranche (UMR7093) Observatoire Océanologique de Villefranche (OOV) Etude de la variabilité.
STT-3220 Méthodes de prévision Section 2 Modèle avec deux variances inconnues: Méthode reposant sur un test préliminaire Version: 21 janvier 2008.
Thomas Arsouze, Laurent Bopp, Marion Gehlen
Apport de la donnée acoustique pour la contrainte d’APECOSM
Directeurs de recherche: Eric Girard et Colin Jones Étudiant: Dragan Simjanovski Évaluation des processus radiatifs et des nuages par le modèle GEM-LAM.
Une méthode de désagrégation adaptée au forçage de modèles océaniques M. Minvielle, J. Boé, C. Cassou, J. Najac, L. Terray, R. Bourdallé-Badie.
TOP : Tracers and Ocean Plankton
Méthodes d’assimilation: Le problème du point de vue de la mesure (P. Prunet, Noveltis) Assimilation de données en zones cotières (P. De Mey, LEGOS/POC)
18/06/07NOV-3554-SL Réunion ADOMOCA 21/11/2007 Contribution à l’assimilation chimique des observations METOP : IASI et GOME.
Modélisation du climat à l’IPSL: existant, objectifs et enjeux à 4 ans
ESTIMATION / CHIFFRAGE
1 01 février 2005 Montpellier Franck MERCIER Ouan-Zan ZANIFE CLS, Direction Océanographie Spatiale Contribution de l’Altimétrie Spatiale à l’Hydrologie.
Initiation à la conception des systèmes d'informations
Atelier ADOMOCA-2 Les Lecques, oct Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS.
2008/ Plan du cours 1.Introduction –Contenu du cours 2.Logique mathématique –Calcul propositionnel –Calcul des prédicats –Logique floue et aide à.
Assimilation à mésoéchelle des observations radar et GPS
Belowground and aboveground processes !
Sensibilité aux forçages atmosphériques et assimilation de données spatiales et in situ dans un modèle à surface libre du Golfe de Gascogne et du Plateau.
Thèse CNES-region PACA ( ) Laboratoire d’Océanographie de Villefranche (UMR7093) Observatoire Océanologique de Villefranche (OOV) Variabilité diurne.
GIP MERCATOR OCEAN Le modèle pour le prototype Atlantique Méditerranée (PAM) Modèle: OPA-8.1 Domaine: Atlantique.
Configuration LOOP Retour d’expériences P. CADULE, L. BOPP, P. FRIEDLINGSTEIN.
4ème journées PDM IA - Vendredi 7 mai 2004 Recherche en ligne pour la résolution de PDMs Laurent Péret, Frédérick Garcia INRA Toulouse, équipe Méthodes.
ELE6306 : Test de systèmes électroniques Test intégré et Modèle de faute de délai Etudiante : S. BENCHIKH Professeur : A. Khouas Département de génie électrique.
Évaluation de méthodes de mise à l’échelle statistique: reconstruction des extrêmes et de la variabilité du régime de mousson au Sahel Étudiant: Dimitri.
Assimilation Lidar Aéroportés DIAL pendant COPS Travail de Matthias Grzeschik Soline Bielli Réunion Méso-NH 14 janvier 2010.
1 Monopalme Projet 4 Info Présentation finale LE LAY Olivier MAHE Jocelyn FORM Nicolas HENRY Gurvan BONNIN Thomas BASSAND Guillaume Décembre 2009 MONNIER.
1 Monopalme Projet 4 Info Présentation final LE LAY Olivier MAHE Jocelyn FORM Nicolas HENRY Gurvan BONNIN Thomas BASSAND Guillaume Décembre 2009 MONNIER.
Transcription de la présentation:

Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan dans le modèle de biogéochimie marine PISCES Thèse de Abdou Kane Direction: Cyril Moulin (LSCE) Co-direction : Sylvie Thiria (LOCEAN) et Laurent Bopp (LSCE) Postdoctorat de Mohamed Berrada Direction: Sylvie Thiria (LOCEAN) Thèse de Luigi Nardi Direction: Fouad Badran (CNAM) et Sylvie Thiria (LOCEAN) Lsce- 2007

PISCES : le modèle de biogéochimie marine de l’IPSL utilisé pour étudier les relations entre la variabilité du climat et la biogéochimie marine à l’échelle globale La représentation du cycle du Carbone océanique est complexe et repose sur des paramétrisations liées à la physiologie du phytoplancton.

PISCES : Un modèle du cycle du carbone océanique de complexité intermédiaire, incluant les paramétrisations de deux compartiments de phytoplancton Croissance Broutage Mortalité 2 types de données sont disponibles pour valider et améliorer le modèle PISCES

Moyenne annuelle de la chlorophylle Données de couleur de l’océan Apports: Bonne couverture spatiale, échantillonnage temporel bon (~5jours en moyenne), PHYSAT Limites: Information seulement en surface SEAWIFS Moyenne annuelle de la chlorophylle PISCES

Données in situ : Stations JGOFS Apports: Information sur la colonne d’eau, grande variété des données Limites: Information 1D, fréquence mensuelle Profondeur ( m ) CHL ug/l

Schéma d’assimilation adoptée Objectif : Utiliser au mieux ces deux types de données disponibles pour optimiser les paramètres physiologiques du modèle PISCES Assimilation : Logiciel Yao (LOCEAN,Thiria et al) Schéma d’assimilation adoptée xb Ebauche Observations yo variable de contrôle Fonction de coût J = Jb + Jobs initialisation x0 Modèle direct y=M(x0) Optimisation des paramètres M1QN3 ( J(x0) & x0J ) Modèle adjoint x0J Dérivation yJ → Fonction de coût : J(x0) = (x0 - xb)T B-1 (x0 - xb) + (M(x0) – y°)T R-1 (M(x0) - y°) → Modèle adjoint M* : M*(yJ) = x0J |  YaO

Architecture d’une application YAO ORGANISATION d’UNE APPLICATION YAO Tâches de l’utilisateur Tâches de YAO description du modèle générateur code standard de Yao - fonctions - Interpréteur - … sources des modules + Main sources générés flot d’instructions (std. ou spécif) Dire : les algo génériques (test, run, minimisation, RN,…) sont codés dans le « code standard de Yao » Exécutable de l’application résultats

Travaux réalisés depuis 2007 Plan de la thèse Travaux réalisés depuis 2007 - Codage d’une version 1D de PISCES sous le formalisme Yao - Réalisation d’expériences jumelles pour identifier les paramètres (mortalité, croissance, broutage,…) que l’on peut espérer optimiser > fonction de coût - Application de la méthode 1D aux données réelles de la station BATS, et extrapolation aux stations HOTS et KERFIX > résultats principaux - Mise au point d’une version pseudo-3D pour assimiler les données de toutes les stations JGOFS > résultats préliminaires - Développement en cours de la version 3D

Paramètres à optimiser Croissance Broutage Mortalité Paramètres à optimiser Observations : -Chlorophylle -Silicates -Nitrates - Tests de sensibilité à travers des expériences jumelles - Application aux données BATS

Résultats des expériences jumelles -Les performances du système d’assimilation se dégradent très vite avec l’augmentation du taux de perturbation des vrais paramètres. -La diversité des observations accroît les performances . Par contre l’introduction de données non pertinentes peut détériorer la convexité de la fonction de coût. > NECESSITE D’UN BON TERME D’EBAUCHE meilleure solution a priori en l’absence de toutes observations > NECESSITE D’INTRODUIRE DES PONDERATIONS SUR LES OBSERVATIONS matrice de variance covariance d’erreurs aux observations R

Résultats de l’optimisation 1D à la station BATS

Comparaison des profils mensuels climatologiques à BATS pour les jeux de paramètres standard et optimisé NETTE AMELIORATION DES SIMULATIONS INTERANNUELLES ET CLIMATOLOGIQUES SUR LA STATION OLIGOTROPHE BATS

Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)

Data Vs Pisces and in PISCES-assim(BATS) HOTS (station oligotrophe) Data Vs Pisces and in PISCES-assim(BATS) BONNE GENERALISATION DE LA PARAMETRISATION A LA STATION HOTS

Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)

Data Vs Pisces and PISCES-assim(BATS) KERFIX (station eutrophe) Data Vs Pisces and PISCES-assim(BATS) MAUVAISE GENERALISATION A LA STATION HOTS EN PERIODE DE PRODUCTION

Résultats préliminaires de l’optimisation pseudo-3D L’assimilation simultanée des données de plusieurs stations doit permettre de prendre en compte la variabilité de la structure des écosystèmes ( Diatomées / Nanophyto)

BATS

HOTS

NABE

KERFIX

DYFAMED

Développements futurs - Validation des paramètres au travers d’une simulation 3D globale - Prise en compte qualité de la mesure : Biais physique - Introduction des données satellites : Apports des données de surface à haute fréquence - Transition vers la version 3D en collaboration avec le LOCEAN (postdoc M. Berrada)

Annexes Broutage=1 Broutage=0.96 Broutage= 1.3