Contribution de Sébastien BEYOU, étienne MéMIN & Stéphane RAYNAUD:


Assimilation de vitesse de surface en mer d'Iroise par filtrage de Kalman d'ensemble pondéré



Dans ce travail nous présentons l'application d'une technique de filtrage stochastique à l'assimilation de vitesse de courant de surface en mer d'Iroise à partir de données de radars côtiers. Dans cette application en mer d'Iroise, deux radars situés au nord et au sud de Brest donnent la vitesse de surface de l'océan sur une partie de la géographie considérée (et variable au cours du temps) ; le modèle océanique utilisé est construit à partir de simulations ROMS et de perturbations de la surface océanique par un champ aléatoire homogène isotrope ayant les mêmes caractéristiques spectrales que les observations de vitesse. La méthode de filtrage employée est définie comme un filtre particulaire dont la fonction de proposition est donnée par un filtre de Kalman de transformation d'ensemble (ETKF). Elle allie à la fois les avantages du filtre particulaire (la convergence théorique vers la loi a posteriori grâce à l'étape de pondération des particules) et l'efficacité du filtre de Kalman d'ensemble dans le cadre de problème de grande dimension et d'un faible nombre d'échantillon. Des résultats de ce filtre sont en premier lieu analysés sur des exemples synthétiques de turbulence 2D visualisé au moyen d'une séquence d'images représentant le transport d'un scalaire passif. Nous illustrerons en particulier l'influence du bruit dynamique. Nous montrerons en particulier que des bruits ayant une caractéristique spectrale identique à la solution recherchée permet d'améliorer sensiblement les résultats. Nous monterons également que en comparaison d'un filtre de Kalman d'ensemble classique, les petites échelles de l'écoulement sont mieux reconstruites par ce filtre pondéré. Dans le cas particulier de l'assimilation de données radar les résultats de ce filtre sont analysés en terme d'écart aux observations et comparés à un mode prédictif pur.

up arrow