Contribution d'Anthony WEAVER, Isabelle MIROUZE, Andrea PIACENTINI, Thomas PANGAUD & Olivier TITAUD:


Développements récents pour la modélisation de covariance d'erreur d'ébauche et d'observation dans le système NEMOVAR



NEMOVAR est un système d'assimilation variationnel incrémental pour NEMO (źNucleus for Modelling of the Ocean╗), développé par plusieurs équipes pour diverses applications. Dans cette présentation, on donnera une synthèse des travaux récents menés au CERFACS pour la modélisation de covariance d'erreur d'ébauche et d'observation dans NEMOVAR. Les corrélations spatiales d'erreur d'ébauche sont modélisées grâce à un operateur de diffusion, dont une version implicite a été récemment développée. Comparée à une version explicite existante, la version implicite améliore nettement l'efficacité de l'analyse, surtout dans le cadre générale de corrélations inhomogènes et anisotropes. Le lien entre le modèle de diffusion implicite et une famille classique de fonctions de corrélations (Whittle-Matérn) utilisée en géostatistiques sera évoqué. Les corrélations existantes pour les erreurs d'observation sont souvent négligées en assimilation de données océaniques, même si cette hypothèse est difficile à justifier pour certains types de données. En particulier, le besoin de fournir une Topographie Dynamique Moyenne (TDM) comme niveau de référence pour les mesures d'anomalies de niveau de la mer résulte pour la Topographie Dynamique Absolue (TDA) en des composantes corrélées spatialement et temporellement. Ces corrélations ne devraient pas être négligées, surtout au vu de la grande incertitude dans les produits existants pour la TDM. Un modèle de covariance d'erreur d'observation qui prend en compte les corrélations d'erreur dans la TDA sera donc présenté. Enfin, des études sur l'estimation des paramètres de covariance à partir de statistiques sur les innovations seront abordées. L'impact des développements ci-dessus sera illustré sur une configuration globale (ORCA1) de NEMO.

up arrow