7. L’Assimilation de données

7. L’Assimilation de données EDF Neutronique Prévi. Saisonnière CNES Océanographie Chimie Atmosph. Météo-F. Océanographie Chimie Atmosph. Hydrologie ALGO Minimiseurs performants Méthodes d’assimilation Projets FP’6 (ENSEMBLES), FP’7 (MACC), MERCATOR(GMMC), EDF(ADONIS), CNES(TOSCA), CNRS(LEFE) ASSIMILATION DONNEES Autres axes Climat : Prévi. saisonnière Aérodynamique Couplages des codes (PALM) Expertise, Métiers Méthodes variationnelles Algorithmie opérationnelle Interfaces Méthodes/Modélisation

L’exemple de la chaîne de prévision 4D-VAR avec erreur modèle : ébauche : observations : trajectoires : état estimé : corrections des erreurs modèles temps Variance d’erreur d’ébauche Champ de température

L’assimilation de données :applications développées au CERFACS Neutronique Hydrologie Chimie atmosphérique Océanographie 3 ha 1 ha A. Weaver, N. Daget, S. Ricci D. Cariolle, S. Massart, A. Piacentini 1,5 ha (1) ha Post-doc, B. Bouriquet, S. Massart B. Bouriquet, S. Massart

Méthodes d’assimilation Modélisation des erreurs 3D-VAR FGAT 4D-VAR 4D-VAR avec erreur modèle Méthodes d’ensembles Matrice B : ébauche Matrice R : observation Matrice Q : modèle Algorithmes de minimisation Préconditionneurs Méthodes de descente inside Points communs aux applications de l’assimilation de données Modélisation physique Modèle M Opérateur d’observation H Couplages Tshimanga, J., Gratton, S., Weaver, A.T.,and A. Sartenaer, 2007: Limited-memory preconditioners for incremental four-dimensional variational data assimilation. A soumettre à Q. J. Roy. Meteor. Soc. Nouveaux préconditionneurs (Ritz, BFGS) pour le système OPAVAR

Océanographie inside Assimilation de données océaniques dans le cadre du projet Mercator B. Tranchant, E. Rémy, M. Drevillon, J. M. Lellouche

Assimilation de données océaniques dans le cadre de l’équipe GLOBC 3D-Var in-situ max 9.5°C 4D-Var altimétrie Données TAO max 8°C max 10°C Océanographie Données satellites OPAVAR Données in-situ Validation avec des données indépendantes Coupe verticale, anomalie de température

Océanographie Développement de OPAVAR et NEMOVAR • Méthodes variationnelles : 3D-VAR et 4D-VAR • 4D-VAR /contrainte faible (couplage atmosphère) • Méthodes d’ensembles pour les statistiques • Modélisation des matrices B, R et Q • Données in-situ et multi-satellites • Profils T et S, altimétrie, SST, SSS, courants • Passage de OPA 8.2 à NEMO • Boucle externe à résolution plus fine • Prévision saisonnière et réanalyses • Nombreux utilisateurs nationaux et européens • Contrats : ENSEMBLES, TOSCA, GMMC • Programmes : CLIVAR, LEFE-ASSIM • Future chaîne opérationnelle de ECMWF • Co-développement avec ECMWF OPAVAR NEMOVAR

Assimilation de donnéespour la chimie atmosphérique Chimie atmosphérique inside Multi-satellites/TOMS • Objectifs : • améliorer la connaissance de l’état chimique de l’atmosphère global • s’orienter vers l’assimilation temps réel des nouvelles données des satellites haute résolution • Travail amont : • modélisation des covariances d’erreur d’ébauche (lien avec l’océanographie) • optimisation de la chaine existante • Résultats : • ré-analyses de périodes longues • assimilation multi-capteur • Projets / collaborations : • ADOMOCA, Ether • CNRM, LA, SA, … Latitude ENVISAT/MIPAS Analyse de l’ozone totale ODIN/SMR temps

Assimilation de donnéesen neutronique : projet ADONIS Neutronique inside • Objectifs : • améliorer des paramètres dans un code de neutronique EDF (Coccinelle) • déterminer l’état neutronique complet à partir de mesures partielles • Résultats techniques : • procédure de recalage de paramètres neutroniques par filtre de Kalman • reconstruction de la nappe de puissance dans le cœur par Interpolation Optimale • Collaboration fructueuse : • amélioration des procédures opérationnelles • activités de recherche associées : thèse en cours, propositions à venir • éléments prospectifs sur l’assimilation (méthodes d’ensemble, méthodes de suivi temporel, …) • échanges techniques fréquents, suivi régulier des travaux, dynamique permanente de collaboration entres les équipes EDF & CERFACS

Assimilation de données en hydrologie Hydrologie inside • Objectifs : • promouvoir l’assimilation en hydrologie • enrichir l’expertise du CERFACS en assimilation à travers une nouvelle application • Moyens : • 1 post-doc sur 2 ans (financement contrat SCHAPI) • l’expertise du CERFACS en assimilation • l’outil PALM du CERFACS • Applications : • collaboration avec le CNRM et le SCHAPI

Assimilation de données : formation avec l’outil PALM inside • Motivations : • Promouvoir l’assimilation de données • Enrichir la formation PALM actuelle • Moyens : • Utilisation d’un modèle océanique simplifié • Réalisation de composants de base de l’assimilation avec PALM • Illustration de méthodes usuelles d’assimilation variationnelle (3DVAR, 4DVAR, 3DPSAS ) • Durée 2 jours : • Première session : 18-19 octobre 2007

L’assimilation de données :perspectives Neutronique Hydrologie Chimie atmosphérique Océanographie inside inside inside 1 ha 2 ha A. Weaver, doctorant,… D. Cariolle, S. Massart, A. Piacentini Post-doc, B. Bouriquet, S. Massart,… 1,5 ha 1 ha B. Bouriquet, S. Massart, …

7. L’Assimilation de données