Pr

1
Le 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
2
PISCES 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.
3
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
4
Données 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
5
Données in situ Stations JGOFS Apports
Information sur la colonne deau, grande variété
des données Limites Information 1D, fréquence
mensuelle
6
Schéma 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
7
Architecture 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
8
Plan 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

9
Paramètres à optimiser
Observations -Chlorophylle -Silicates -Nitrates

• - Tests de sensibilité à travers des expériences
  jumelles
• - Application aux données BATS

10
Résultats 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
11
Résultats de loptimisation 1D à la station BATS
12
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
13
Application du jeu de paramètres optimisé pour
BATS à deux autres stations (HOT et KERFIX)
14
HOTS (station oligotrophe)
Data Vs Pisces and in PISCES-assim(BATS)
BONNE GENERALISATION DE LA PARAMETRISATION A LA
STATION HOTS
15
Application du jeu de paramètres optimisé pour
BATS à deux autres stations (HOT et KERFIX)
16
KERFIX (station eutrophe)
MAUVAISE GENERALISATION A LA STATION HOTS EN
PERIODE DE PRODUCTION
17
Résultats 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)

18
BATS
19
HOTS
20
NABE
21
KERFIX
22
DYFAMED
23
Développements 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)
24
Annexes
Broutage1
Broutage0.96
Broutage 1.3