Contribution de Charles-Emmanuel TESTUT, Éric GREINER, Gilles GARRIC & Jean-Michel BRANKART:


Transformation Gaussienne des statistiques d'erreur pour un filtre de Kalman de rang réduit: Application à un système d'analyse de la glace de mer



Les systèmes d'analyse Mercator-Océan sont actuellement basés sur le modèle d'Océan NEMO (Nucleus for European Models of the Ocean) couplé au modèle de glace de mer LIM2EVP et sur le système d'assimilation SAM2. Cet outil d'analyse est construit autour d'un filtre de Kalman de rang réduit dérivé du noyau du filtre SEEK développé initialement au LEGI. Les covariances de l'erreur d'ébauche de cet algorithme sont notamment représentées par des sous-espaces d'erreurs modélisés par un ensemble de modes d'erreurs multivariés. Dans de nombreux contexte d'application comme celui des réanalyses océaniques, les méthodes de génération de ces ensembles produisent des distributions d'erreurs non gaussiennes pour certaines variables du vecteur de contrôle en violation des hypothèses de base d'un filtre de Kalman. Pour pallier cette inconsistance, une approche consiste à introduire une technique de transformation de variable comme l'anamorphose gaussienne. Cette opération effectue une transformation de l'espace physique vers un espace où la distribution de probabilité devient gaussienne. L'impact de cette transformation opérée sur les sous-espaces d'erreurs peut en particulier être caractérisé par des diagnostics comme des représenteurs multivariés. Nous présentons ici à la fois la méthode utilisée ainsi que les résultats préliminaires dans le contexte d'une application à la composante glace de mer des systèmes de réanalyse de Mercator-Océan.

up arrow