Où va MEOM ?

1. Où va MEOM ?

2. D'où vient MEOM ? Plus vous saurez regarder loin dans le passé, plus vous verrez loin dans le futur.   [Winston Churchill] L'avenir, c'est du passé en préparation. [Pierre Dac]

3. Effectif des permanents MEOM JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

4. Christian Le Provost créé l’équipe MEOL/MEOM Leader Modèle des marées mondiales JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

5. Démarrage de la modélisation océanique (tourbillons, topographie) Début en France L’océan carré JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

6. L’aventure altimétrique Marées, Assimiler la SLA Topex/Poseidon JLS AW, EC JMB, TP PB JMM, JB BB CLP Jason 1 JV CLP

7. 19 20 17 18 16 21 22 15 11 12-13-14 10 2 9 8 1 7 6 3 5 4 Les grands projets de modélisation MCFTL DYNAMO CLIPPER DIADEM TOPAZ JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

8. Le lancement de l’océanographie opérationnelle SIMAN/QADRAN MERCATOR MERSEA 1er projet pré-opérationnel à Grenoble JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

9. Le concept du SEEK est posé et opérationalisé dans SESAM et SAM2/Mercator JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

10. JLS AW, EC JMB, TP PB « Le » projet de modélisation DRAKKAR JMM, JB BB CLP JV CLP

11. Aujourd'hui …. Le couplage physico-biogéochimique Le lancement de SARAL/AltiKa (2011) Toujours un lien fort avec l'opérationnel (MyOcean, GMMC, GLORYS, …) JLS AW, EC JMB, TP PB JMM, JB BB CLP JV CLP

12. Une continuité thématique et méthodologique

13. Objectifs scientifiques • Le rôle de l'océan dans les variations climatiques: les variabilités et leurs mécanismes, de l'échelle globale à la sous-mésoéchelle • La prévision océanique à moyen terme : les circulations océaniques et de leur impact sur les écosystèmes marins, la mise en place de l’Océanographie Opérationnelle • La dynamique des fluides géophysiques: comprendre les processus à l'œuvre dans l'océan/les modèles, les paramétriser • Méthodes • Modélisation • Assimilation de données • Données (surtout spatiales)

14. MEOM en bref …

15. Un niveau d'activité scientifique très significatif • Un savoir faire outils modélisation/assimilation • Une implication de longue date avec l’altimétrie • Des avancées déterminantes • Marées, Modélisation, Assimilation, Transferts vers l'opérationnel, … • Un rôle collectif qui va au delà de notre importance numérique • Des nouvelles forces (permanentes). Toujours un fort vivier de doc/post-doc • Un axe fort de coopération avec les mathématiciens appliqués (LJK) pour: 4D-VAR océanique (NEMOVAR), Downscaling (AGRIF) MEOM en bref …

16. MEOM en bref … • Une équipe d’océanographie de taille modeste dans un laboratoire des sciences de l'ingénieur • Des fragilités institutionnelles dans un environnement peu marin • Une offre de formation locale qui n'est pas optimale • Des difficultés pour faire reconnaître localement nos priorités scientifiques: thèses, … • Des soutiens techniques (IR) qui deviennent sous-dimensionnés par rapport aux enjeux

17. Des mots clés pour demain

18. Des mots clés pour demain résolution, régionalisation, couplage, …

19. Des mots clés pour demain • résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color) • régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux • couplage: avec l'atmosphère, la biogéochimie, la glace

20. La modélisation à l'horizon SWOT • En 2020 le 1km de résolution sera atteignable à l'échelle globale • Mais ne résoudra pas bien les processus physiques au km • Les moyens de calcul • Les capacités de calcul des ordinateurs devraient être OK. Les capacités de stockage: OK mais de fortes contraintes I/O • Des questions ? • Aurons nous le potentiel humain pour regarder les sorties des modèles ? Où/comment faire tourner ces modèles ? • Faut-il que les modèles atteignent la résolution des données ? • Un plateau est peut être atteignable pour certains objectifs scientifique • Même si le budget d'énergie de l'océan n'est pas clos • Un modèle global HR avec des modèles régionaux ou de basin à THR peut être OK à un certain moment • L'emboitement de modèles (e.g. AGRIF: Blayo & Debreu, 1999) • En météorologie, les données sont plus nombreuses et à plus haute résolution que les modèles globaux

21. L'assimilation de données à l'horizon SWOT • L'AD face à • De nouvelles complexités pratiques • Taille des bases de données et des vecteurs d'état des modèles • Des systèmes de modélisation emboités • Des complexités théoriques croissantes • Accroissement des non-linéarités • Statistiques non-Gaussiennes • Les nouvelles pistes pour l'AD sont • Ouvrir de nouvelles voies conceptuelles: • Assimilation non-Gaussienne (e.g. Lauvernet et al., 2009) • Assimilation d'images (e. g. Titaud et al., 2010; Verron et al. 2010) • Assimilation multi-échelles • Améliorer la paramétrisation des modèles et les forçages (e. g. Skandrani et al., 2009; Wirth & Verron, 2008) • Utiliser des approches hybrides, i.e. 4DVAR and stochastic methods (Robert et al., 2006; Krysta et al., 2010)

22. Les données SWOT vs. modèle et assimilation • Quelle physique dans les données SWOT ? Quel signal à très haute résolution fourniront les modèles ? • Observabilité des modèles ? • Connaître les erreurs associées, "réduire les incertitudes" • Biais, corrélations, contrôle de qualité • Redondance des données si la résolution des données est plus fine que la résolution du modèle • Data thinning • L'assimilation et la validation des modèles aiment les données et les nouvelles données • Malheureusement les satellites n'observent (encore !) que la surface

23. Des mots clés pour demain Océan Indien, SOSMOD, BIOCOSM Océan Indien, SOSMOD, BIOCOSM Océan Indien, SOSMOD, BIOCOSM Océan Indien, SOSMOD, BIOCOSM • résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color) • régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux • couplage: avec l'atmosphère, la biogéochimie, la glace