L'actualité de la formation

Accueil de chercheurs sur les projets soutenus

La fondation propose l'accueil de chercheurs et scientifiques de haut niveau, internationalement reconnus pour des séjours de quelques mois ou plus, ainsi que des post-doctorants pour de plus longs séjours...

en savoir plus

Bourse Amelia Earhart

La fondation STAE est partenaire dans l'attribution des bourses "Zonta Amelia Earhart Fellowship"

en savoir plus
Nos précédents dossiers

DOSSIER THEMATIQUE N°2 - Avril 2011

ADTAO : Algorithmes de nouvelles génération

pour l'assimilation de données

dans le système Terre-Océan-Atmosphère


Partant d’une nouvelle modélisation du problème inverse, les premiers résultats du projet ADTAO s’appliquent à la gravité terrestre, à la circulation océanique et à la météorologie. Un second cercle d’applications sera envisagé dans les prochaines étapes sur des thématiques dépassant le champ des géosciences, comme par exemple l’aéronautique et la neutronique.

Assimilation de données pour le champ de gravité terrestre

Champ de gravité terrestre
Dans la perspective de l'étude des redistributions des masses d'eau à la surface de la Terre, une nouvelle approche a été proposée pour estimer des séries temporelles de cartes régionales de densité surfacique de masse par inversion des anomalies de différence de potentiel le long des arcs d'orbite courts des satellites GRACE. Ces anomalies sont déduites des mesures précises K-Band Range (KBR) de différences de vitesse entre les deux véhicules GRACE suivant la méthode de l'intégrale de l'énergie. Après correction des contributions des variations gravitationnelles connues (i.e., Terre solide, champs variables créés par les planètes, l'atmosphère, les océans, les marées, et aussi les mouvements du pôle) lors de l'ajustement d'orbite par le logiciel GINS développé au GRGS, les résidus de potentiel des phénomènes physiques non modélisés correspondent principalement aux variations hydrologiques sur les continents. Au lieu d'appliquer une méthode de régularisation matricielle, des contraintes spatiales (i.e., corrélations linéaires en fonction de la distance angulaire entre les éléments de surface) sont introduites pour stabiliser le système d'équations normales à résoudre pour estimer la distribution des hauteurs équivalentes d'eau, et pour atténuer efficacement le bruit dans les mesures KBR. Les premières séries de solutions régionales 4°x4° et même 2°x2° à 10 jours aux échelles continentales ont été obtenues par L. Seoane (post-doctorante RTRA/STAE, projet ADTAO) et sont en cours de validation (cf. image pour l'année 2006).

Assimilation de données  pour l’océan


Données pour l'Océan
Les recherches menées au CERFACS dans le cadre du projet ADTAO ont pour objectif d'améliorer la modélisation des covariances d'erreur et les algorithmes de minimisation dans un système d'assimilation de données variationnel incrémental pour le modèle océanique NEMO (« Nucleus for European Modelling of the Ocean »). Ce système, appelé NEMOVAR, est utilisé pour des applications, telles que le monitoring et la prévision du climat. 
Dans NEMOVAR, les corrélations spatiales d’erreur d’ébauche sont modélisées grâce à un opérateur de diffusion, dont une version implicite a été développée dans le projet. Comparée à une version explicite existante, la version implicite améliore nettement (de l’ordre de 45%) l’efficacité de l’assimilation. Un article scientifique « Representation of Correlation Functions in Variational Assimilation using an Implicit Diffusion Operator » rédigé par I. Mirouze et A. T. Weaver, a été publié dans la revue « Quarterly Journal of the Royal Meteorological Society » et présenté en décembre 2010 au 3ème Colloque National sur l’Assimilation de Données à Grenoble
En juin 2010, la Fondation STAE a recruté Olivier Titaud pour son expertise en assimilation de séquences d’images satellites, dont l’une des difficultés est la prise en compte des corrélations spatiales et temporelles des erreurs d’observation. Il développe actuellement une méthode pour modéliser la matrice de covariance des erreurs d’observation de la température de surface de l’océan dans NEMOVAR, ce qui permettra d’assimiler ces données satellitaires de façon plus optimale.

En juin et en septembre 2010,  le CERFACS et Météo-France ont  bénéficié des visites de Mike Fisher, Kristian Mogensen et Yannick Trémolet, trois chercheurs séniors du Centre Européen de Prévision Météorologique à Moyen Terme et des experts en assimilation de données variationnelle en océanographie et météorologie. Ils sont venus nous présenter leur interface d’assimilation de données, OOPS (« Object Oriented Prediction System »), dont la modularité facilitera la mise en œuvre de la technique d’assimilation du 4D-Var à contrainte faible, la méthode d’assimilation variationnelle de la génération suivante.

Assimilation de données météorologiques


Données météorologiques
Les principales avancées ont été obtenues par Laure Raynaud qui a  effectué sa thèse sur l'assimilation variationnelle d'ensemble.  La dernière partie de ses travaux a en particulier porté sur l'estimation et  la représentation d'une erreur de modèle au sein de l'assimilation d'ensemble. D'une part, l'estimation est basée sur une comparaison entre les variances  "d'erreur de prévisibilité" (liées aux erreurs d'analyse), fournies par  l'assimilation d'ensemble, et les variances "d'erreur de prévision" (égales à la somme des erreurs de prévisibilité et des erreurs de modèle), qui sont
elles estimées à partir des écarts entre observations et prévision.  D'autre part, la représentation de cette erreur de modèle est basée sur  une inflation multiplicative des perturbations de l'ensemble. Cela revient  à paramétrer les erreurs de modèle en fonction des erreurs de prévisibilité.  Le coefficient d'inflation appliqué toutes les 6h est de l'ordre de 10%.  Cette approche conduit au final à un doublement de la dispersion par rapport  à un ensemble basé sur une hypothèse de modèle parfait. Cette forte amplification  de la dispersion s'avère réaliste par rapport aux estimations tirées des écarts entre modèles et observations. Il s'agit donc d'une voie prometteuse pour estimer et représenter l'erreur  de modèle en assimilation de données ainsi que dans les méthodes d'ensemble.

Le projet a également accueilli Mark Buehner durant trois mois l'été  dernier. Chercheur scientifique en assimilation des données météorologiques au Centre météorologique canadien (Dorval, QC), il a travaillé sur une approche alternative (ou complémentaire) à l'assimilation  variationnelle classique 3D-Var / 4D-Var. Il s'est en effet intéressé à une technique  hybride variationnel / Kalman d'ensemble, où les membres de l'ensemble sont inclus  dans la variable de contrôle de la minimisation, de façon à modéliser les covariances  d'erreur d'ébauche. Pendant son séjour, il a en particulier développé et comparé différentes approches  pour filtrer le bruit d'échantillonnage lié à la petite taille de l'ensemble.

Contact  :

Serge Gratton, Professeur INPT-IRIT et responsable du laboratoire commun CERFACS-IRIT en cours de constitution, coordinateur du projet ADTAO  : serge.gratton@enseeiht.fr

Soutenu par le RTRA sur une période de 42  mois, le projet ADTAO associe 4 laboratoires :

- l’Institut de Recherche en Informatique de Toulouse ;
- le Centre national de recherches météorologiques ;
-  le Centre européen de recherche et de formation avancé en calcul scientifique ;
- le laboratoire Géosciences Environnement Toulouse.


 

Rechercher sur ce site

118 route de Narbonne - CS 84504 - 31054 TOULOUSE Cedex 4 Tél. : 05 61 28 02 80 et 81 - Fax : 05 61 02 80 90