Title: Pr
1Le projet ASCOBIO Assimilation de données
in-situ et de couleur de locéan dans le modèle
de biogéochimie marine PISCES
Thèse de Abdou Kane Direction Cyril Moulin
(LSCE) Co-direction Sylvie Thiria (LOCEAN) et
Laurent Bopp (LSCE) Postdoctorat de Mohamed
Berrada Direction Sylvie Thiria (LOCEAN) Thèse
de Luigi Nardi Direction Fouad Badran (CNAM) et
Sylvie Thiria (LOCEAN)
Lsce- 2007
2PISCES le modèle de biogéochimie marine de
lIPSL utilisé pour étudier les relations entre
la variabilité du climat et la biogéochimie
marine à léchelle globale
La représentation du cycle du Carbone océanique
est complexe et repose sur des paramétrisations
liées à la physiologie du phytoplancton.
3PISCES 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
4Données de couleur de locéan Apports Bonne
couverture spatiale, échantillonnage temporel bon
(5jours en moyenne), PHYSAT Limites Information
seulement en surface
SEAWIFS
Moyenne annuelle de la chlorophylle
PISCES
5Données in situ Stations JGOFS Apports
Information sur la colonne deau, grande variété
des données Limites Information 1D, fréquence
mensuelle
6Schéma dassimilation 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)
xb
Observations
Ebauche
yo
variable de contrôle
Fonction de coût J Jb Jobs
x0
Modèle direct yM(x0)
initialisation
Modèle adjoint ?x0J
Dérivation ?yJ
Optimisation des paramètres M1QN3 ( J(x0) ?x0J
)
? Fonction de coût
J(x0) (x0 - xb)T B-1 (x0 - xb) (M(x0) y)T
R-1 (M(x0) - y)
M(?yJ) ?x0J ? YaO
? Modèle adjoint M
7Architecture dune application YAO
ORGANISATION dUNE APPLICATION YAO
Tâches de lutilisateur Tâches de
YAO
description du modèle
code standard de Yao -
fonctions - Interpréteur -
générateur
sources générés
sources des modules Main
flot dinstructions (std. ou
spécif)
Exécutable de lapplication
résultats
8Plan de la thèse
- Travaux réalisés depuis 2007
- - Codage dune version 1D de PISCES sous le
formalisme Yao - - Réalisation dexpériences jumelles pour
identifier les paramètres - (mortalité, croissance, broutage,) que lon peut
espérer optimiser - gt fonction de coût
- - Application de la méthode 1D aux données
réelles de la station BATS, et extrapolation aux
stations HOTS et KERFIX - gt résultats principaux
- - Mise au point dune version pseudo-3D pour
assimiler les données de toutes les stations
JGOFS - gt résultats préliminaires
- - Développement en cours de la version 3D
9Paramètres à optimiser
Observations -Chlorophylle -Silicates -Nitrates
- - Tests de sensibilité à travers des expériences
jumelles - - Application aux données BATS
10Résultats des expériences jumelles
-Les performances du système dassimilation se
dégradent très vite avec laugmentation du taux
de perturbation des vrais paramètres. -La
diversité des observations accroît les
performances . Par contre lintroduction de
données non pertinentes peut détériorer la
convexité de la fonction de coût.
gt NECESSITE DUN BON TERME
DEBAUCHE meilleure solution a
priori en labsence de toutes observations
gt NECESSITE DINTRODUIRE DES
PONDERATIONS SUR LES OBSERVATIONS
matrice de variance
covariance derreurs aux observations R
11Résultats de loptimisation 1D à la station BATS
12Comparaison 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
13Application du jeu de paramètres optimisé pour
BATS à deux autres stations (HOT et KERFIX)
14HOTS (station oligotrophe)
Data Vs Pisces and in PISCES-assim(BATS)
BONNE GENERALISATION DE LA PARAMETRISATION A LA
STATION HOTS
15Application du jeu de paramètres optimisé pour
BATS à deux autres stations (HOT et KERFIX)
16KERFIX (station eutrophe)
MAUVAISE GENERALISATION A LA STATION HOTS EN
PERIODE DE PRODUCTION
17Résultats préliminaires de loptimisation
pseudo-3D
- Lassimilation simultanée des données de
plusieurs stations doit permettre de prendre en
compte la variabilité de la structure des
écosystèmes ( Diatomées / Nanophyto)
18BATS
19HOTS
20NABE
21KERFIX
22DYFAMED
23Développements futurs - Validation des
paramètres au travers dune 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)
24Annexes
Broutage1
Broutage0.96
Broutage 1.3