Direction de la Jeunesse et des Sports Sous- Direction de ...
1 Thèse de Abdou Kane Direction: Cyril Moulin (LSCE) Co-direction : Sylvie Thiria (LOCEAN) et...
-
Upload
eudo-billet -
Category
Documents
-
view
104 -
download
0
Transcript of 1 Thèse de Abdou Kane Direction: Cyril Moulin (LSCE) Co-direction : Sylvie Thiria (LOCEAN) et...
11
Thèse de Abdou KaneDirection: Cyril Moulin (LSCE)Co-direction : Sylvie Thiria (LOCEAN) et Laurent Bopp (LSCE)
Postdoctorat de Mohamed BerradaDirection: Sylvie Thiria (LOCEAN)
Thèse de Luigi NardiDirection: Fouad Badran (CNAM) et Sylvie Thiria (LOCEAN)
Lsce- 2007
Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan dans le modèle de biogéochimie marine
PISCES
PISCES : le modèle de biogéochimie marine de l’IPSL utilisé pour étudier les relations entre la variabilité du climat et la biogéochimie marine à l’échelle globale
La représentation du cycle du Carbone océanique est complexe et repose sur des paramétrisations liées à la physiologie du phytoplancton.
PISCES : Un modèle du cycle du carbone océanique de complexité intermédiaire, incluant les paramétrisations de deux compartiments de phytoplancton
2 types de données sont disponibles pour valider et améliorer le modèle PISCES
Croissance Broutage
Mortalité
Moyenne annuellede la chlorophylle
Données de couleur de l’océan Apports: Bonne couverture spatiale, échantillonnage temporel bon (~5jours en moyenne), PHYSATLimites: Information seulement en surface
SEAWIFS
PISCES
Données in situ : Stations JGOFSApports: Information sur la colonne d’eau, grande variété des donnéesLimites: Information 1D, fréquence mensuelle
Profondeur ( m )
CHL ug/l
→ Fonction de coût :
Modèle direct
y=M(x0)
Fonction de coût
J = Jb + Jobs
Modèle adjoint
x0JDérivation
yJ
x0
Optimisation des paramètres
M1QN3 ( J(x0) & x0J )
xb y
o
J(x0) = (x0 - xb)T B-1 (x0 - xb) + (M(x0) – y°)T R-1 (M(x0) - y°)
→ Modèle adjoint M* : M*(yJ) = x0J | YaO
ObservationsEbauche
variable de contrôle
initialisation
Schéma d’assimilation adoptéeSchéma d’assimilation adoptée
Objectif : Utiliser au mieux ces deux types de données disponibles pour optimiser les paramètres physiologiques du modèle PISCES
Assimilation : Logiciel Yao (LOCEAN,Thiria et al)
ORGANISATION d’UNE APPLICATION ORGANISATION d’UNE APPLICATION YAOYAO
sources des modules + Main
code standard de Yao
- fonctions - Interpréteur - …
flot d’instructions (std. ou spécif) Exécutable de l’application
résultats
description du modèle
générateur
sources générés
Architecture d’une application YAOArchitecture d’une application YAO
Tâches de l’utilisateur Tâches de YAO
88
Plan de la thèseTravaux réalisés depuis 2007
- Codage d’une version 1D de PISCES sous le formalisme Yao
-- Réalisation d’expériences jumelles pour identifier les paramètres -(mortalité, croissance, broutage,…) que l’on peut espérer optimiser
- > fonction de coût
-- Application de la méthode 1D aux données réelles de la station BATS, et extrapolation aux stations HOTS et KERFIX
- > résultats principaux
-- Mise au point d’une version pseudo-3D pour assimiler les données de toutes les stations JGOFS
- > résultats préliminaires
-- Développement en cours de la version 3D
99
Croissance
Broutage
Mortalité
-- Tests de sensibilité à travers des expériences jumelles-- Application aux données BATS
Observations : -Chlorophylle-Silicates-Nitrates
Paramètres à Paramètres à optimiseroptimiser
Résultats des expériences jumelles
-Les performances du système d’assimilation se dégradent très vite avec l’augmentation du taux de perturbation des vrais paramètres.
-La diversité des observations accroît les performances . Par contre l’introduction de données non pertinentes peut détériorer la convexité de la fonction de coût.
> NECESSITE D’UN BON TERME D’EBAUCHE
meilleure solution a priori en l’absence de toutes observations
> NECESSITE D’INTRODUIRE DES PONDERATIONS SUR LES OBSERVATIONS
matrice de variance covariance d’erreurs aux observations R
Résultats de l’optimisation 1D à la station BATS
Comparaison des profils mensuels climatologiques à BATS pour les jeux de paramètres standard et optimisé
NETTE AMELIORATION DES
SIMULATIONS INTERANNUELLES
ET CLIMATOLOGIQUES SUR LA
STATION OLIGOTROPHE BATS
Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)
HOTS (station oligotrophe)
Data Vs Pisces and in PISCES-assim(BATS)
BONNE GENERALISATION DE LA PARAMETRISATION A LA STATION HOTS
Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)
Data Vs Pisces and PISCES-assim(BATS)
KERFIX (station eutrophe)
MAUVAISE GENERALISATION A LA STATION HOTS EN PERIODE DE PRODUCTION
1717
-L’assimilation simultanée des données de plusieurs stations doit permettre de prendre en compte la variabilité de la structure des écosystèmes ( Diatomées / Nanophyto)
Résultats préliminaires de l’optimisation pseudo-3D
BATS
HOTS
NABE
KERFIX
DYFAMED
Développements futurs
- Validation des paramètres au travers d’une simulation 3D globale
- Prise en compte qualité de la mesure : Biais physique
- Introduction des données satellites : Apports des données de surface à haute fréquence
- Transition vers la version 3D en collaboration avec le LOCEAN (postdoc M. Berrada)
24
Annexes
Broutage=0.96Broutage=1
Broutage= 1.3