Le développement de méthodes d'assimilation de données et d'optimisation intéresse particulièrement les domaines tels que les géosciences, l'aérodynamique, et la mécanique spatiale.
L'assimilation de données est une procédure qui vise à estimer des paramètres ou des variables d'un modèle en combinant de façon optimale des valeurs a priori et des observations, tout en prenant en compte notre connaissance sur l'incertitude de ces informations. Depuis plusieurs années, le Cerfacs mène des activités en assimilation de données pour des applications en océanographie, en chimie atmosphérique, en hydrologie/hydraulique et en feux de forêts en collaboration étroite avec des membres associés et des centres opérationnels et de recherche de premier plan.
L'optimisation concerne le développement d'algorithmes performants pour la résolution de divers problèmes linéaires et non-linéaires. Il s'agit d'étudier les propriétés de ces algorithmes, telles que la convergence ou la complexité, mais aussi de les améliorer par des techniques de préconditionnement. Le Cerfacs développe des méthodes d'optimisation avec et sans dérivées pour des applications en assimilation de données, en traitement d'image, et en design aérodynamique.
La précision, l'efficacité, la scalabilité, la robustesse et la facilité de mise en œuvre sont des contraintes importantes à prendre en compte pour le développement des méthodes d'assimilation de données et d'optimisation. Le développement des méthodes performantes nécessite une bonne connaissance de l'application et des caractéristiques du problème.
Applications en assimilation de données :
Océanographie: L’initialisation de la composante océanique des modèles du système Terre est un élément important des chaines opérationnelles de prévision et d’analyse retrospective (« ré-analyse »). Le Cerfacs est un acteur majeur dans le développement de NEMOVAR. Il s’agit d’un système d’assimilation de données océaniques utilisé de manière opérationnelle par le Centre Européen pour les Prévisions Météorologiques à Moyen Terme (le CEPMMT) et le service météorologique du Royaume Uni (le Met Office). Les activités de recherches au Cerfacs concernent le developpement de méthodes d'assimilation de données combinant les algorithmes variationnels avec les méthodes ensemblistes. Plus spécifiquement, le Cerfacs s’intéresse à la modélisation et l’estimation des covariances d’erreur d’ébauche et d’observation, et au développement d’algorithmes de minimisation et du préconditionnement.
Chimie atmosphérique: La prévision de la composition chimique de l’atmosphère est désormais faite de manière opérationnelle dans la plupart de centres météorologiques. Le Cerfacs développe une chaine d’assimilation variationnelle pour le modèle de transport-chimie Mocage de Météo-France. Cette chaîne fournit des prévision et des re-analyses de la qualité de l’air aux échelles française (Prev’Air) et européenne (Macc). Les activités du Cerfacs concernent les améliorations de l'algorithme d'assimilation, l’étude de nouveaux algorithmes, la prise en compte de nouveaux jeux d'observations (par exemple satellitaires), et l'optimisation du code sur les supercalculateurs.
Hydrologie/hydraulique : La gestion de la ressource en eau et du risque naturel lié à la dynamique des eaux continentales représente un enjeu crucial pour la société avec des conséquences financières significatives. La prévision des crues et des inondations repose sur les outils de modélisation numériques pour l’hydraulique et l’hydrologie ainsi que sur la combinaison avec des observations de types divers (in-situ et spatiales). Le Cerfacs développe et implémente des méthodes d’assimilation variationnelles et ensemblistes sur des codes d’hydraulique et d’hydrologie en collaboration avec EDF, Cnes, Schapi, CNRM… Ces développements s’insèrent dans une dynamique de recherche ainsi que dans une dynamique d’exploitation à l’opérationnel.
Incendies de forêt : Améliorer les systèmes de prévision en temps réel de la propagation et des émissions des incendies de forêt a été identifié comme un objectif de recherche d’importance, avec des applications directes sur la gestion du risque incendie d’urgence (suivi en temps réel, qualité de l’air) et à l’échelle climatique (impact des émissions sur la composition atmosphérique). La prévision du comportement d’un incendie à grande échelle repose à la surface sur une modélisation semi-empirique de la propagation d’un front (i.e. interface entre les zones brûlées et non-brûlées) impliquant la description de données de végétation, de géomorphologie et de météorologie, toutefois entachée de diverses sources d’erreurs. Le Cerfacs développe en collaboration avec l’UMD et le SPE la chaîne d’assimilation de données ensembliste FIREFLY afin de corriger séquentiellement les paramètres et la position du front de feu et ainsi d’améliorer la capacité prédictive des modèles de propagation au fil de l’acquisition d’observations sur la position du front.
Outils développés / utilisés (codes)
Partenaires
- CNES/GRGS
- CNES/OMP
- DLR
- EADS-Airbus
- CEPMMT
- EDF/LNHE
- ENSEEIHT-IRIT
- INRIA/LJK
- LMD
- Météo-France
- Met Office
- SCHAPI
- IRSTEA
- UMD
- SPE
- King’s College of London
- TOTAL
- University of California at Santa Cruz
- University of Coimbra
- University of Colorado at Denver
- University of Namur
Projets
- AVENUE (RTRA-STAE)
- ERA-CLIM2 (EC-FP7)
- FILAOS (RTRA-STAE)
- LEFE-MANU
- MACCII (EC-FP7)
- EoCeO (H2020)
