Cerfacs Entrez dans le monde de la haute performance...

Assimilation de données in-situ et altimétriques à large fauchée de type SWOT pour un code d'hydrodynamique 2D avec un algorithme ensembliste EnKF

 , , , , ,

Niveau requis : M2
Date de début : 4 mars 2019
Durée de la mission : 4 à 6 mois
Date limite des candidatures : 18 février 2019
Rémunération : 650 euros mensuel

Ce sujet est proposé dans le cadre d’une collaboration entre le CECI, le CNES, le LHSV, EDF et le CNES.

 

L'un des principaux objectifs de la future mission spatiale d'altimétrie large fauchée NASA/CNES Surface Water and Ocean Topography (SWOT) est d'estimer le débit des fleuves à partir des mesures de l'interféromètre SAR Ka-band Radar Interferometer (KaRIn) de 120km de fauchée. SWOT fournira des cartes globales d'élévation, de pente et d’étendue des eaux continentales. L'estimation des débits repose en partie sur la connaissance de données complémentaires telles que la bathymétrie du lit du fleuve et les coefficients de frottement. On souhaite ici s'intéresser à l'assimilation des données de type SWOT pour la correction des paramètres hydrauliques, des apports hydrologiques, de la bathymétrie des principaux fleuves français et par conséquent pour l'amélioration des débits simulés. Le secteur envisagé pour cette étude est le tronçon Garonne endigué Tonneins-La Réole.

 

Sur le tronçon Garonne, une modélisation 1D à casiers a été mise en place par le LNHE (EDF R&D) avec le code MASCARET, ainsi qu'une modélisation 2D avec le code TELEMAC (T2D).

La première étape du stage consiste à participer au développement d'une chaine d'assimilation ensembliste pour TELEMAC 2D en s'appuyant sur les outils existants au CERFACS en Python et appliqués au code MASCARET 1D.

La deuxième étape du stage consiste à générer des données synthétiques de type SWOT avec le simulateur CNES SWOT-HR sur une période longue à partir d'une simulation de référence MASCARET et d'une simulation de référence TELEMAC 2D. Ces observations seront alors comparées à la simulation de référence pour démontrer la capacité d'observation de SWOT selon les régimes d'écoulement, le choix de l'orbite, le calage des paramètres d'observation (fréquence temporelle, fauchée, erreur d'observation).

 

Le stage consiste en un travail de recherche et développement, il requiert de solides compétences en modélisation, calcul scientifique (fortran, Python), une connaissance si possible des outils SIG (QGIS). Des connaissances en quantification des incertitudes, assimilation de données sont souhaitables mais pas indispensables. La pratique de l'anglais est indispensable. Ce stage peut potentiellement déboucher sur une thèse.

 

Références :

– S. Barthélémy, S. Ricci, M.C. Rochoux, E. Le Pape, O. Thual. Ensemble-based data assimilation for operational flood forecasting – On the merits of state estimation for 1-D hydrodynamic forecasting through the example of the “Adour maritime” river. Journal of Hydrology 552C (2017) pp. 210-224, HYDROL22071, 10.1016/j.jhydrol.2017.06.017.

– Johan Habert, Sophie Ricci, Olivier Thual, Etienne Le Pape, Andrea Piacentini, Nicole Goutal, Mélanie Rochoux, G. Jonville, Reduction of the uncertainties in the water level-discharge relation of a 1D hydraulic model in the context of operational flood forecasting. Journal of Hydrology, HYDROL20865, DOI : 10.1016/j.jhydrol.2015.11.023, , vo. 532, p52–64, 2016.