240 likes | 354 Views
Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan 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
E N D
Le projet ASCOBIO: Assimilation de données in-situ et de couleur de l’océan 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
PISCES : le modèle de biogéochimie marine de l’IPSL utilisé pour étudier les relations entre la variabilité du climat et la biogéochimie marine à l’échelle globale La représentation du cycle du Carbone océanique est complexe et repose sur des paramétrisations liées à la physiologie du phytoplancton.
Croissance Broutage Mortalité 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
Données de couleur de l’océan Apports: Bonne couverture spatiale, échantillonnage temporel bon (~5jours en moyenne), PHYSAT Limites: Information seulement en surface SEAWIFS Moyenne annuelle de la chlorophylle PISCES
Données in situ : Stations JGOFS Apports: Information sur la colonne d’eau, grande variété des données Limites: Information 1D, fréquence mensuelle Profondeur ( m ) CHL ug/l
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) Schéma d’assimilation adoptée xb Observations Ebauche yo variable de contrôle Fonction de coût J = Jb + Jobs x0 Modèle direct y=M(x0) initialisation Modèle adjoint x0J Optimisation des paramètres M1QN3 ( J(x0)& x0J ) Dérivation yJ → Fonction de coût : J(x0) = (x0 - xb)TB-1 (x0 - xb) + (M(x0) – y°)TR-1 (M(x0) - y°) M*(yJ) = x0J | YaO → Modèle adjoint M* :
ORGANISATION d’UNE APPLICATION YAO Architecture d’une application YAO Tâches de l’utilisateurTâches de YAO description du modèle générateur code standard de Yao - fonctions - Interpréteur - … sources générés sources des modules + Main flot d’instructions (std. ou spécif) Exécutable de l’application résultats
Plan de la thèse Travaux réalisés depuis 2007 - Codage d’une version 1D de PISCES sous le formalisme Yao • - Réalisation d’expériences jumelles pour identifier les paramètres • (mortalité, croissance, broutage,…) que l’on peut espérer optimiser • > fonction de coût • - Application de la méthode 1D aux données réelles de la station BATS, et extrapolation aux stations HOTS et KERFIX • > résultats principaux • - Mise au point d’une version pseudo-3D pour assimiler les données de toutes les stations JGOFS • > résultats préliminaires • - Développement en cours de la version 3D
Paramètres à optimiser Mortalité Croissance Broutage Observations : -Chlorophylle -Silicates -Nitrates • - Tests de sensibilité à travers des expériences jumelles • - Application aux données BATS
Résultats des expériences jumelles -Les performances du système d’assimilation se dégradent très vite avec l’augmentation du taux de perturbation des vrais paramètres. -La diversité des observations accroît les performances . Par contre l’introduction de données non pertinentes peut détériorer la convexité de la fonction de coût. > NECESSITE D’UN BON TERME D’EBAUCHE meilleure solution a priori en l’absence de toutes observations > NECESSITE D’INTRODUIRE DES PONDERATIONS SUR LES OBSERVATIONS matrice de variance covariance d’erreurs aux observations R
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
Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)
HOTS (station oligotrophe) Data Vs Pisces and in PISCES-assim(BATS) BONNE GENERALISATION DE LA PARAMETRISATION A LA STATION HOTS
Application du jeu de paramètres optimisé pour BATS à deux autres stations (HOT et KERFIX)
Data Vs Pisces and PISCES-assim(BATS) KERFIX (station eutrophe) MAUVAISE GENERALISATION A LA STATION HOTS EN PERIODE DE PRODUCTION
Résultats préliminaires de l’optimisation pseudo-3D • L’assimilation simultanée des données de plusieurs stations doit permettre de prendre en compte la variabilité de la structure des écosystèmes ( Diatomées / Nanophyto)
Développements futurs - Validation des paramètres au travers d’une 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)
Annexes Broutage=1 Broutage=0.96 Broutage= 1.3