La détermination de certains paramètres hydrodynamiques dans les modèles d'écoulement en zone non-saturée (et plus généralement dans certains modèles géophysiques) requiert l'utilisation d'un modèle et de données d'observations. Le but de ce travail est de proposer une méthode d'assimilation variationnelle de données permettant de reconstituer ces paramètres en tenant compte des observations et le modèle. La méthode proposée est fondée sur les techniques de contrôle optimal. Le travail mené dans cette étude porte sur l'identification de paramètres sur le modèle de Richards monodimensionnel ainsi que sa mise en oeuvre numérique. Au préalable, une investigation de la physique liée à notre problématique est explorée. Les données à assimiler sont les mesures d'infiltration cumulée et le vecteur de contrôle choisi est constitué de la condition initiale, des conditions aux limites et des paramètres hydrodynamiques. C'est ainsi que suivant certaines distributions des observations (infiltration cumulée observée), le paramètre de contrôle est reconstitué. Cette phase est suivie par une étude a posteriori basée sur les études au second ordre qui permettent d'estimer l'erreur de l'identification, l'influence de la configuration temporelle des observations sur la qualité de l'identification ainsi qu'une bonne compréhension du processus de minimisation. La dérivation automatique à l'aide du logiciel de différentiation automatique ODYSSEE est utilisée pour déduire les informations du premier et du second ordre. Enfin, en se servant des études au second ordre réalisées, nous appliquons l'algorithme de Newton au système d'optimalité.

Ce travail concerne la mise en oeuvre d'une méthode numérique d'optimisation de type contrôle optimal appliquée à un problème d'assimilation de données en biogochimie marine. Après avoir présenté le systme d'équations aux dérivés partielles non-linéaires régissant l'évolution en temps et en espace des différentes variables physiques et biologiques, un premier travail, mathématique, a consisté à montrer l'existence, l'unicité et la positivité de la solution du modèle biologique. La seconde partie du travail est numérique. Le modèle est discrétisé par diffrences finies et les codes linéaire tangent et adjoint sont obtenus par différentiation automatique. Ces outils informatiques étant développés, on peut aborder le problème inverse d'assimilation variationnelle de données. Les variables de contrôle sont les paramètres intervenant dans les termes non-linéaires de réactions biologiques. On cherche un jeu de paramètres optimal minimisant une fonction cout. Celle-ci mesure l'écart au sens des moindres carrés entre les observations et les sorties correspondantes du modèle.Une étude de sensibilité préliminaire, utilisant le modèle tangent linéaire, ainsi que des expériences d'identification, utilisant le modèle adjoint, avec données simulées, sont menées. On utilise enfin la méthode pour assimiler des données réelles de la station Dyfamed en Méditerranée Nord-Occidentale.

Les changements du champ magnétique terrestre sur une grande gamme d'échelles spatiales et temporelles reflètent les processus variés de la éeodynamo. Je propose un modèle simplifié de la dynamique rapide du noyau, adapté à l'étude des variations du champ magnétique de l'année au siècle ; la variation séculaire. L'hypothèse quasi-géostrophique du modèle est basée sur la prépondérance des forces de rotation par rapport aux forces magnétiques à ces échelles de temps. La partie axisymétrique correspond au formalisme d'ondes de torsion d'Alfvén. La dynamique se place dans le plan équatorial. A la frontière noyau-manteau, l'écoulement interagit avec le champ magnétique radial via la composante radiale de l'équation d'induction. Cette partie du modèle connecte la dynamique et les observations. L'assimilation variationnelle de données permet d'interpréter la variation séculaire en terme de dynamique. Une fonction objectif est minimisée en calculant sa sensibilité par rapport aux variables de contrôle via l'intégration du modèle adjoint. J'illustre cette inversion par des expériences jumelles pour un écoulement stationnaire dans le noyau et pour des ondes de torsion. On accède ainsi à des variables d'état qui ne sont pas directement observées. En utilisant comme observations des écoulements reconstruits à la surface du noyau, cette méthode permet de déduire que la tension magnétique dans le noyau, force de rappel des ondes de torsion, correspond à un champ magnétique fort, au minimum 3-4 mT. De telles ondes de torsion rapides sont cohérentes avec un signal à 6 ans dans les données de variations de la longueur du jour.

Les modèles emboîtés sont largement utilisés en météorologie et en océanographie. Ils permettent un accroissement local de la résolution, dans les zones où cela semble nécessaire, via l'intégration d'un même modèle sur une hiérarchie de grilles. Dans le cas d'interaction one-way, les conditions aux frontières pour la grille fine proviennent d'une interpolation de la solution obtenue sur la grille à plus faible résolution. Dans le cas d'interaction two-way, une rétroaction de la grille fine vers la grille grossière est ajoutée. Toutefois, le problème de l'assimilation variationnelle de données dans de tels systèmes n'a pas, ou peu, été étudié à ce jour. Ces classes de méthodes, notamment l'algorithme 4D-Var, permettent d'améliorer la solution d'un modèle, jusqu'ici mono-grille, en minimisant une fonctionnelle mesurant l'écart de ce modèle aux observations présentes sur une fenêtre temporelle. Le travail présenté ici vise donc à formuler un algorithme d'assimilation 4D-Var localement multi-grille. Pour le cas général d'une grille haute résolution emboîtée localement dans une autre à plus faible résolution, nous posons les équations du système adjoint dans les deux cas d'interactions one-way et two-way. Nous montrons ainsi que la formulation adjointe fait naturellement apparaître de nouvelles interactions entre les grilles, dans le sens opposé de celles existant dans la formulation directe. De plus, nous proposons différentes variantes à ces algorithmes, réalisant un couplage faible entre les solutions des différents modèles via l'ajout d'un terme de contrôle au niveau des transferts inter-grilles. Nous présentons également l'application d'une méthode multi-grille, le Full Approximation Scheme, à l'assimilation variationnelle de données. Cette approche permet d'obtenir un algorithme d'assimilation multi-grille potentiellement très efficace. Enfin, ces méthodes sont testées sur le cas d'un modèle Saint Venant 2D. Nous constatons une réduction importante des erreurs des solutions multi-grilles, ainsi qu'une accélération de la convergence de ces algorithmes.

L’assimilation variationnelle de données 4D-Var est une technique très utilisée en géophysique, notamment en météorologie et océanographie. Elle consiste à estimer des paramètres d’un modèle numérique direct, en minimisant une fonction de coût mesurant l’écart entre les sorties du modèle et les mesures observées. La minimisation, qui est basée sur une méthode de gradient, nécessite le calcul du modèle adjoint (produit de la transposée de la matrice jacobienne avec le vecteur dérivé de la fonction de coût aux points d’observation). Lors de la mise en œuvre de l’AD 4D-Var, il faut faire face à des problèmes d’implémentation informatique complexes, notamment concernant le modèle adjoint, la parallélisation du code et la gestion efficace de la mémoire. Afin d’aider au développement d’applications d’AD 4D-Var, le logiciel YAO qui a été développé au LOCEAN, propose de modéliser le modèle direct sous la forme d’un graphe de flot de calcul appelé graphe modulaire. Les modules représentent des unités de calcul et les arcs décrivent les transferts des données entre ces modules. YAO est doté de directives de description qui permettent à un utilisateur de décrire son modèle direct, ce qui lui permet de générer ensuite le graphe modulaire associé à ce modèle. Deux algorithmes, le premier de type propagation sur le graphe et le second de type rétropropagation sur le graphe permettent, respectivement, de calculer les sorties du modèle direct ainsi que celles de son modèle adjoint. YAO génère alors le code du modèle direct et de son adjoint. En plus, il permet d’implémenter divers scénarios pour la mise en œuvre de sessions d’assimilation.Au cours de cette thèse, un travail de recherche en informatique a été entrepris dans le cadre du logiciel YAO. Nous avons d’abord formalisé d’une manière plus générale les spécifications deYAO. Par la suite, des algorithmes permettant l’automatisation de certaines tâches importantes ont été proposés tels que la génération automatique d’un parcours “optimal” de l’ordre des calculs et la parallélisation automatique en mémoire partagée du code généré en utilisant des directives OpenMP. L’objectif à moyen terme, des résultats de cette thèse, est d’établir les bases permettant de faire évoluer YAO vers une plateforme générale et opérationnelle pour l’assimilation de données 4D-Var, capable de traiter des applications réelles et de grandes tailles. / Variational data assimilation 4D-Var is a well-known technique used in geophysics, and in particular in meteorology and oceanography. This technique consists in estimating the control parameters of a direct numerical model, by minimizing a cost function which measures the misfit between the forecast values and some actual observations. The minimization, which is based on a gradient method, requires the computation of the adjoint model (product of the transpose Jacobian matrix and the derivative vector of the cost function at the observation points). In order to perform the 4DVar technique, we have to cope with complex program implementations, in particular concerning the adjoint model, the parallelization of the code and an efficient memory management. To address these difficulties and to facilitate the implementation of 4D-Var applications, LOCEAN is developing the YAO framework. YAO proposes to represent a direct model with a computation flow graph called modular graph. Modules depict computation units and edges between modules represent data transfer. Description directives proper to YAO allow a user to describe its direct model and to generate the modular graph associated to this model. YAO contains two core algorithms. The first one is a forward propagation algorithm on the graph that computes the output of the numerical model; the second one is a back propagation algorithm on the graph that computes the adjoint model. The main advantage of the YAO framework, is that the direct and adjoint model programming codes are automatically generated once the modular graph has been conceived by the user. Moreover, YAO allows to cope with many scenarios for running different data assimilation sessions.This thesis introduces a computer science research on the YAO framework. In a first step, we have formalized in a more general way the existing YAO specifications. Then algorithms allowing the automatization of some tasks have been proposed such as the automatic generation of an “optimal” computational ordering and the automatic parallelization of the generated code on shared memory architectures using OpenMP directives. This thesis permits to lay the foundations which, at medium term, will make of YAO a general and operational platform for data assimilation 4D-Var, allowing to process applications of high dimensions.

L’assimilation variationnelle de données 4D-Var est une technique très utilisée en géophysique, notamment en météorologie et océanographie. Elle consiste à estimer des paramètres d’un modèle numérique direct, en minimisant une fonction de coût mesurant l’écart entre les sorties du modèle et les mesures observées. La minimisation, qui est basée sur une méthode de gradient, nécessite le calcul du modèle adjoint (produit de la transposée de la matrice jacobienne avec le vecteur dérivé de la fonction de coût aux points d’observation). Lors de la mise en œuvre de l’AD 4D-Var, il faut faire face à des problèmes d’implémentation informatique complexes, notamment concernant le modèle adjoint, la parallélisation du code et la gestion efficace de la mémoire. Afin d’aider au développement d’applications d’AD 4D-Var, le logiciel YAO qui a été développé au LOCEAN, propose de modéliser le modèle direct sous la forme d’un graphe de flot de calcul appelé graphe modulaire. Les modules représentent des unités de calcul et les arcs décrivent les transferts des données entre ces modules. YAO est doté de directives de description qui permettent à un utilisateur de décrire son modèle direct, ce qui lui permet de générer ensuite le graphe modulaire associé à ce modèle. Deux algorithmes, le premier de type propagation sur le graphe et le second de type rétropropagation sur le graphe permettent, respectivement, de calculer les sorties du modèle direct ainsi que celles de son modèle adjoint. YAO génère alors le code du modèle direct et de son adjoint. En plus, il permet d’implémenter divers scénarios pour la mise en œuvre de sessions d’assimilation.Au cours de cette thèse, un travail de recherche en informatique a été entrepris dans le cadre du logiciel YAO. Nous avons d’abord formalisé d’une manière plus générale les spécifications deYAO. Par la suite, des algorithmes permettant l’automatisation de certaines tâches importantes ont été proposés tels que la génération automatique d’un parcours “optimal” de l’ordre des calculs et la parallélisation automatique en mémoire partagée du code généré en utilisant des directives OpenMP. L’objectif à moyen terme, des résultats de cette thèse, est d’établir les bases permettant de faire évoluer YAO vers une plateforme générale et opérationnelle pour l’assimilation de données 4D-Var, capable de traiter des applications réelles et de grandes tailles. / Variational data assimilation 4D-Var is a well-known technique used in geophysics, and in particular in meteorology and oceanography. This technique consists in estimating the control parameters of a direct numerical model, by minimizing a cost function which measures the misfit between the forecast values and some actual observations. The minimization, which is based on a gradient method, requires the computation of the adjoint model (product of the transpose Jacobian matrix and the derivative vector of the cost function at the observation points). In order to perform the 4DVar technique, we have to cope with complex program implementations, in particular concerning the adjoint model, the parallelization of the code and an efficient memory management. To address these difficulties and to facilitate the implementation of 4D-Var applications, LOCEAN is developing the YAO framework. YAO proposes to represent a direct model with a computation flow graph called modular graph. Modules depict computation units and edges between modules represent data transfer. Description directives proper to YAO allow a user to describe its direct model and to generate the modular graph associated to this model. YAO contains two core algorithms. The first one is a forward propagation algorithm on the graph that computes the output of the numerical model; the second one is a back propagation algorithm on the graph that computes the adjoint model. The main advantage of the YAO framework, is that the direct and adjoint model programming codes are automatically generated once the modular graph has been conceived by the user. Moreover, YAO allows to cope with many scenarios for running different data assimilation sessions.This thesis introduces a computer science research on the YAO framework. In a first step, we have formalized in a more general way the existing YAO specifications. Then algorithms allowing the automatization of some tasks have been proposed such as the automatic generation of an “optimal” computational ordering and the automatic parallelization of the generated code on shared memory architectures using OpenMP directives. This thesis permits to lay the foundations which, at medium term, will make of YAO a general and operational platform for data assimilation 4D-Var, allowing to process applications of high dimensions.

Comme tout évènement géophysique, la transformation de la pluie en débit dans les rivières est caractérisée par la complexité des processus engagés et par l'observation partielle, parfois très limitée, de la réponse hydrologique du bassin versant ainsi que du forçage atmosphérique auquel il est soumis. Il est donc essentiel de comprendre, d'analyser et de réduire les incertitudes inhérentes à la modélisation hydrologique (analyse de sensibilité, assimilation de données, propagation d'incertitudes). Les méthodes variationnelles sont très largement employées au sein d'autres disciplines (ex. météorologie, océanographie ...) confrontés aux mêmes challenges. Dans le cadre de ce travail, nous avons appliqué ce type de méthodes à des modèles représentant deux types de fonctionnement des hydrosystèmes à l'échelle du bassin versant. Le potentiel et les limitations de l'approche variationnelle pour la modélisation hydrologique sont illustrés avec un modèle faisant du ruissellement par dépassement de la capacité d'infiltration le processus prépondérant pour la genèse des écoulements superficiels (MARINE) ainsi qu'avec un modèle basé sur le concept des zones contributives d'aire variable (TOPMODEL). L'analyse de sensibilité par linéarisation ou basée sur la méthode de l'état adjoint permet une analyse locale mais approfondie de la relation entre les facteurs d'entrée de la modélisation et les variables pronostiques du système. De plus, le gradient du critère d'ajustement aux observations calculé par le modèle adjoint permet guider de manière très efficace un algorithme de descente avec contraintes de bornes pour l'estimation des paramètres. Les résultats obtenus sont très encourageants et plaident pour une utilisation accrue de l'approche variationnelle afin d'aborder les problématiques clés que sont l'analyse de la physique décrite dans les modèles hydrologiques et l'estimation des variables de contrôle (calibration des paramètres et mise à jour de l'état par assimilation de données).

La connaissance du microclimat et de l’évapotranspiration ou flux de chaleur latente qui représente la consommation réelle en eau de la culture à l’échelle des parcelles agricoles est une donnée importante pour comprendre le développement des cultures. La plupart des modèles permettant d’estimer l’évapotranspiration sont utilisés sur des surfaces homogènes sans tenir compte des interactions surface - atmosphère et de la variabilité spatiale du domaine agricole. Nous avons utilisé un modèle de couche limite atmosphérique afin de prendre en compte ces interactions. Une approche dite « patchée » permet d’introduire la variabilité spatiale des surfaces dans le modèle à partir des diverses proportions et des caractéristiques des principaux couverts végétaux qui composent le paysage. Une méthode d’assimilation variationnelle a été implémentée afin d’estimer certains paramètres du modèle difficile à connaître précisément. La méthode est basée sur le calcul de l’adjoint du modèle et utilise une température de surface observée par télédétection. L’approche développée est comparée à des approches plus simples considérant chaque type de surface indépendamment, mettant en évidence le rôle de la prise en compte de la variabilité spatiale de la surface sur la simulation du microclimat et des flux de surface / Knowledge of climate at regional scale and evapotranspiration (or latent heat flux which represents the actual water consumption of culture) is a key to understand the development of crops. Most of the methods aiming at estimating evapotranspiration assume homogeneous or decoupled atmospheric variables over the modelling domain without accounting for the feedback between surface and atmosphere. In order to analyse such dependencies and to predict microclimate and land surface fluxes we have developed a coupled atmospheric boundary layer - land surface model which accounts for the landscape heterogeneity using a tiled approach. We have implemented appropriate procedures (variational data assimilation) for assimilating remote sensing data into the model allowing to retrieve some input parameters difficult to estimate spatially (soil moisture and aerodynamic roughness). The developed method is compared to classical approaches considering each type of surface independently. Results are discussed in this paper

La gestion de l'environnement et des ressources disponibles nécessite de caractériser l'état de la végétation. Les modèles agronomiques simulent le fonctionnement du couvert à partir du climat, des pratiques culturales et des propriétés de la plante et du sol. Le projet ADAM, dans lequel s'inscrit cette thèse, a pour objectif de combiner les données de télédétection avec l'information fournie par les modèles agronomiques afin de participer au raisonnement des cultures et à l'évaluation de l'environnement. Sur un modèle d'étude, nous avons proposé une approche originale d'assimilation simultanée sur une scène, en imposant des contraintes sur les paramètres en fonction de leur variabilité au niveau du pixel, de la parcelle, de la variété. . . La taille de l'espace de contrôle est ainsi diminuée par rapport à un problème résolu pixel par pixel et qui se trouve être mal posé lorsque l'on dispose de peu d'observations. Cette technique a permis d'améliorer fortement l'estimation des paramètres d'entrée et de réduire la fréquence temporelle d'observation. Nous avons ensuite étudié la faisabilité d'une telle méthode sur un modèle mécaniste complexe de fonctionnement de la végétation (STICS), dont la différentiation a présenté des difficultés théoriques et pratiques. En effectuant une analyse de sensibilité utilisant le modèle adjoint de STICS, nous avons pu hiérarchiser ses paramètres selon leur influence sur la croissance de la culture. Nous avons démontré la faisabilité d'une technique d'assimilation avec contraintes dans STICS, ce qui permet d'envisager de nombreuses applications dans le domaine agronomique.

Depuis ces trente dernières années, les systèmes d'observation de la Terre et les modèles numériques se sont perfectionnés et complexifiés pour nous fournir toujours plus de données, réelles et numériques. Ces données, de nature très diverse, forment maintenant un ensemble conséquent d'informations précises mais hétérogènes sur les structures et la dynamique des fluides géophysiques. Dans les années 1980, des méthodes d'optimisation, capables de combiner les informations entre elles, ont permis d'estimer les paramètres des modèles numériques et d'obtenir une meilleure prévision des courants marins et atmosphériques. Ces méthodes puissantes, appelées assimilation variationnelle de données, peinent à tirer profit de la toujours plus grande complexité des informations de par le manque de puissance de calcul disponible. L'approche, que nous développons, s'intéresse à l'utilisation des méthodes multigrilles, jusque là réservées à la résolution de systèmes d'équations différentielles, pour résoudre l'assimilation haute résolution de données. Les méthodes multigrilles sont des méthodes de résolution itératives, améliorées par des corrections calculées sur des grilles de plus basses résolutions. Nous commençons par étudier dans le cas d'un modèle linéaire la robustesse de l'approche multigrille et en particulier l'effet de la correction par grille grossière. Nous dérivons ensuite les algorithmes multigrilles dans le cadre non linéaire. Les deux types d'algorithmes étudiés reposent d'une part sur la méthode de Gauss Newton multigrille et d'autre part sur une méthode sans linéarisation globale : le Full Approximation Scheme (FAS). Ceux-ci sont appliqués au problème de l'assimilation variationnelle de données dans le cadre d'une équation de Burgers 1D puis d'un modèle Shallow-water 2D. Leur comportement est analysé et comparé aux méthodes plus traditionnelles de type incrémentale ou multi-incrémentale. / For these last thirty years, earth observation and numerical models improved greatly and provide now a huge amount of accurate, yet heterogeneous, information on geophysics fluids dynamics and structures. Optimization methods from the eighties called variational data assimilation are capable of merging information from different sources. They have been used to estimate the parameters of numerical models and better forecast oceanic and atmospheric flows. Unfortunately, these powerful methods have trouble making benefit of always more complex information, suffering from the lack of available powerful calculators. The approach developed here, focuses on the use of multigrid methods, that are commonly used in the context of differential equations systems, to solve high resolution data assimilation. Multigrid methods are iterative methods improved by the use of feedback corrections evaluated on coarse resolution. First in the case of linear assimilation, we study the robustness of multigrid approach and the efficiency of the coarse grid correction step. We then apply the multigrid algorithms on a non linear 1-D Burgers equation and on a 2-D Shallow-Water model. We study two types of algorithms, the Gauss Newton Multigrid, which lays on global linearization, and the Full Approximation Scheme. Their behavior is compared to more traditional approaches as incremental and multi-incremental ones.