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)

Présentation au sujet: "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)"— Transcription de la présentation:

1 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) 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 Européen (J. Lamouroux, thèse CIFRE)

2 2 Méthodes d’assimilation : le problème du point de vue de la mesure (que fait-on à Noveltis ?) Noveltis ne fait pas à proprement parler de l’assimilation (Exception : coopération Noveltis / LEGOS : Thèse CIFRE Julien Lamouroux) Noveltis maintient et développe des compétences en assimilation/inversion Méthodes d’assimilation : Filtre de kalman, Assimilation variationnelle Inversion : inversion optimale itérative, réseaux de neurones, … Approches ‘observations adaptatives’ --> ‘observations ciblées’ Collaboration avec des équipes Assimilation : LEGOS, Météo-France, Université de Reading Pourquoi ? Compétences nécessaires pour bien appréhender le problème : Utilisation des observations spatiales

3 3 Utilisation des observations spatiales : Simulation directe de mesures à partir de champs géophysique Analyse de la mesure Caractérisation des erreurs Inversion des mesures Algorithme inversion optimale itératif (1DVAR) Inversion par réseaux de Neurones Autres algoritmes Liens avec les besoins mission Définition et optimisation de capteurs spatiaux Analyse de l’apport des instruments (seul ou en synergie) Optimisation de réseaux de mesures Développement d’opérateurs d’observation Développement / utilisation de simulateurs end-to-end intégrant les incertitudes

4 4 Opérateurs d’observation : Relation entre les variables géophysiques (ex : variables du modèle) et la mesure (ex : spectre de luminance) y = H(x) +  y x, y : définition du problème H et  y à caractériser : opérateur d’observation et erreur de mesure Dans le cas de mesures par satellite, H contient au moins le transfert radiatif, la fonction d’instrument. Il contient souvent la relation complexe entre la variable mesurée et la variable du modèle. Relation complexe, non linéaire.

5 5 Opérateurs d’observation : Inversion : developpement de H : simulation directe du problème Calcul de Dy/Dx : dérivées partielles ou Jacobien (fonctions poids) Assimilation : OI : Modélisation des covariances d’erreur entre modèle et obs, et dans l’espace des observations. Difficile dans le cas dopérateur d’observation complexes Variationnel : Disponibilité d’un opérateur d’observation rapide et de son tangent linéaire Dans tout les cas, le travail de définition de l’opérateur d’observation est nécessaire, pour Définir l’algorithme d’inversion, et caractériser l’erreur sur les produits inversés Définir le transport de l’erreur de l’espace modèle vers l’espace observation Assimiler directement les mesures

6 6 Illustration : opérateur d’observation IASI pour la mesures de profils de température atmosphérique y = H(x) Noveltis développe un modèle de transfert radiatif, des outils de caractérisation d’erreur dans l’espace profil et obs, des méthodes d’inversion, des outils de caractérisation de l’information et de compréssion de la mesure. Travaux sur la spécification d’opérateurs d’obs pour l’assimilation directe des radiances.

7 7 Illustration : opérateur d’observation couleur de l’eau pour la mesure de chlorophylle et production primaire océanique Mesures de réflectances dans le visible (ex: MERIS, Seawifs) Calcul de la réflectance à la surface : impact du transfert radiatif atmosphérique (diffusion/extinction molécule et aérosols) Calcul de la chlorophylle (Chl) : simulation du transfert radiatif dans l’eau, calcul de relation empirique Définition de la notion de Chl intégrée : calcul de la profondeur d’extinction du signal, simulation du profil de Chl. Calcul de la production primaire. Questions : quelle variable pour l’assimilation ? Quelles erreurs ? Quels outils (transferts radiatifs, modèle océan de surface physique/biogéochimie, relations empiriques, …) pour l’inversion ou l’opérateur d’observation ?

8 8 Lien aller-retour observation spatiale / modèle océanique  Analyse d’impact et apport des mesures  Définition / optimisation de capteurs spatiaux  Optimisation de réseaux de mesures Eléments  Modèle océan : permet de fournir des champs géophysique + analyse de sensibilité + …  Opérateur d’observation  Algo d’inversion, méthode d’assimilation Simulation end-to-end

9 9 Advanced Geostationary Infrared Sounder (AGIRS) for Nowcasting (Laboratoire d’Aérologie) AGIRS Meso NH Radiative transfer, instrument function Inversion, Analysis T, H2O atmospheric fields Précipitations, CAPE index Study and validation of The Gain for Nowcasting Configuration of Instrument chatacteristics Initialisation assimilation

10 10 Methodology scheme for AGIRS impact study Radiative transfer model Inversion 3DP1 AGIRS spectra Pressure T T T Radiances Information content analysis Analysis and Interpretation CAPE 3DR 3DP 3DA GUESS