La génération actuelle des sondeurs infrarouges avancés constitue l’une des sources les plus importantes d’observation dans les systèmes d’assimilation de données dans les modèles de la Prévision Numérique du Temps (PNT). Cependant la richesse d’informations fournies par ce type de capteur avec son grand nombre de canaux et sa couverture globale est loin d’être complètement exploitée. La présence de nuages dans le champ de vision de l’instrument, qui affecte la majorité des observations, est l’une des raisons pour lesquelles les centres de PNT rejettent une grande quantité des observations des sondeurs. Les centres de PNT ont cependant commencé à assimiler au-dessus des océans les radiances affectées par les nuages en utilisant des canaux dont les effets radiatifs nuageux sont modélisés par un modèle de nuage simple. Certains de ces algorithmes de détection sont évalués dans ce manuscrit, et leurs limitations sont explicitées. Afin d’accroître la quantité de données assimilées, il est nécessaire de mieux représenter les nuages et leurs effets radiatifs. Depuis quelques années, des études ont été menées pour mieux représenter leurs effets dans les modèles de transfert radiatif ([Faijan et al., 2012] ; [Martinet et al., 2013]) ; et utiliser dans l’assimilation de nouveaux canaux infrarouges informatifs sur les hydrométéores nuageux. ([Martinet et al., 2014]). Cette thèse se concentre principalement sur ces méthodes de détection de scènes homogènes en consacrant sa majeur partie à l’établissement, l’évaluation et l’amélioration d’algorithme de détection de scènes homogènes en se basant sur la colocalistion d’observation avec d’autres sondeurs. Ces études sont rendus possibles par la prise en compte des champs d’hydrométéores fournis par les schémas convectifs du modèle ARPEGE en entrée du modèle de transfert radiatif nuageux RTTOV-CLD. Une partie validation des simulations est opérée dans cette thèse, en comparant l’apport les forces et faiblesses du schéma convectif en opérationnel ainsi que PCMT. Par la suite, différents tests, ou critères, de détection sont proposés, et en réalisant des expériences d’assimilation et en évaluant l’impact de ces ces critères de sélection proposés sur la qualité des prévisions à longues échéances, un des tests parmi ceux proposés se démarque des autres en conservant une quantité importante d’observation ciel clair et démontre des impacts neutres à légèrement positifs sur les prévisions. Les nouvelles méthodes de sélection de scènes homogènes proposées dans cette études permettent d’envisager une amélioration significative du contrôle de qualité des observation IASI en ciel clair. Cela ouvre ainsi donc la voie à une utilisation, plus maîtrisée, des scènes nuageuses. Nous expliquons dans ce manuscrit pourquoi il serait imprudent de précéder à des assimilation de radiances infrarouge contaminées par la présence de nuages. Pour contourner cette difficulté, une technique d’assimilation en deux étapes déjà utilisé pour l’assimilation des réflectivité radar ([Wattrelot et al., 2014]) dans AROME est évaluée. Cette méthode basée sur l’inversion bayésienne a récemment été adaptée pour les observations microondes satellitaire ([Duruisseau et al., 2018]). Dans cette étude, nous explorons cette technique pour les observations IASI. Plusieurs tests de sensibilité sont effectués sur les différents paramètres de l’algorithme, avec pour objectif de préparer de futurs travaux sur l’assimilation all-sky infrarouges, explicités dans les perspectives de ce manuscrit.

Le principal objectif de ce mémoire consiste en l'évaluation de trois modèles dynamiques canadiens de prévision numérique saisonnière du climat. Ayant conscience de l'influence de l'océan sur la qualité des prévisions numériques saisonnières nous vérifierons au cours de ce travail l'hypothèse de base suivante: la persistance de l'anomalie de la température de la surface de l'océan Pacifique (SSTA) communique à l'atmosphère un certain degré de prévisibilité. Afin de vérifier cette hypothèse un ensemble de vingt-six années de simulations effectuées par chacun des modèles a été étudié. Ensuite, pour tenter d'améliorer la qualité des prévisions saisonnières, nous avons calculé la moyenne d'ensemble des trois modèles. Nous appellerons désormais cette technique multimodèle. Pour estimer la réponse de chacun des modèles aux effets du forçage de l'océan nous avons commencé par séparer les années prévues en deux catégories: les années caractérisées par une forte SSTA (années EPSO) et celles caractérisées par une faible SSTA (années NEPSO). Ensuite, nous avons étudié la prévision des modèles des deux derniers mois de la saison. Ceci nous permet de distinguer l'influence des conditions aux limites. Nos résultats montrent que durant les saisons d'hiver et printemps boréales les trois modèles ainsi que le multimodèle semblent bien reproduire les patrons de la circulation dynamique au sein de l'atmosphère (GZ500). On peut également y voir un potentiel pour l'amélioration de la qualité des prévisions à longue échéance. En outre, nous avons remarqué que la région tropicale est généralement mieux prévue par les modèles que les extra-tropiques. Enfin, nous avons remarqué que les modèles présentent une habileté à prévoir les champs atmosphériques au-dessus de certaines régions du globe en dehors des tropiques. Parmi ces régions nous citons le Pacifique Nord/Amérique du Nord dans le cas de GZ500 et la route des dépressions du Pacifique « Storm Track » dans le cas des précipitations. Le « Storm Track » du Pacifique influence le climat de l'est de l'Asie ainsi que celui de l'Amérique du Nord. L'habileté de nos modèles à prévoir le « Storm Track » du Pacifique n'avait pas été observée dans des études précédentes. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Prévision numérique saisonnière moyenne d'ensemble.

La génération actuelle des sondeurs infrarouges avancés constitue l’une des sources les plus importantes d’observation dans les systèmes d’assimilation de données dans les modèles de la Prévision Numérique du Temps (PNT). Cependant la richesse d’informations fournies par ce type de capteur avec son grand nombre de canaux et sa couverture globale est loin d’être complètement exploitée. La présence de nuages dans le champ de vision de l’instrument, qui affecte la majorité des observations, est l’une des raisons pour lesquelles les centres de PNT rejettent une grande quantité des observations des sondeurs. Les centres de PNT ont cependant commencé à assimiler au-dessus des océans les radiances affectées par les nuages en utilisant des canaux dont les effets radiatifs nuageux sont modélisés par un modèle de nuage simple. Certains de ces algorithmes de détection sont évalués dans ce manuscrit, et leurs limitations sont explicitées. Afin d’accroître la quantité de données assimilées, il est nécessaire de mieux représenter les nuages et leurs effets radiatifs. Depuis quelques années, des études ont été menées pour mieux représenter leurs effets dans les modèles de transfert radiatif ([Faijan et al., 2012] ; [Martinet et al., 2013]) ; et utiliser dans l’assimilation de nouveaux canaux infrarouges informatifs sur les hydrométéores nuageux. ([Martinet et al., 2014]). Cette thèse se concentre principalement sur ces méthodes de détection de scènes homogènes en consacrant sa majeur partie à l’établissement, l’évaluation et l’amélioration d’algorithme de détection de scènes homogènes en se basant sur la colocalistion d’observation avec d’autres sondeurs. Ces études sont rendus possibles par la prise en compte des champs d’hydrométéores fournis par les schémas convectifs du modèle ARPEGE en entrée du modèle de transfert radiatif nuageux RTTOV-CLD. Une partie validation des simulations est opérée dans cette thèse, en comparant l’apport les forces et faiblesses du schéma convectif en opérationnel ainsi que PCMT. Par la suite, différents tests, ou critères, de détection sont proposés, et en réalisant des expériences d’assimilation et en évaluant l’impact de ces ces critères de sélection proposés sur la qualité des prévisions à longues échéances, un des tests parmi ceux proposés se démarque des autres en conservant une quantité importante d’observation ciel clair et démontre des impacts neutres à légèrement positifs sur les prévisions. Les nouvelles méthodes de sélection de scènes homogènes proposées dans cette études permettent d’envisager une amélioration significative du contrôle de qualité des observation IASI en ciel clair. Cela ouvre ainsi donc la voie à une utilisation, plus maîtrisée, des scènes nuageuses. Nous expliquons dans ce manuscrit pourquoi il serait imprudent de précéder à des assimilation de radiances infrarouge contaminées par la présence de nuages. Pour contourner cette difficulté, une technique d’assimilation en deux étapes déjà utilisé pour l’assimilation des réflectivité radar ([Wattrelot et al., 2014]) dans AROME est évaluée. Cette méthode basée sur l’inversion bayésienne a récemment été adaptée pour les observations microondes satellitaire ([Duruisseau et al., 2018]). Dans cette étude, nous explorons cette technique pour les observations IASI. Plusieurs tests de sensibilité sont effectués sur les différents paramètres de l’algorithme, avec pour objectif de préparer de futurs travaux sur l’assimilation all-sky infrarouges, explicités dans les perspectives de ce manuscrit. / The current generation of advanced infrared sounders is one of the most important sources of observations in data assimilation systems in numerical weather prediction (NWP) models. However, the total amount of information provided by this type of sensor, with its large number of channels and its global coverage, is far from being fully exploited. The presence of clouds in the instrument’s field of view, which affects the majority of observations, is one of the reasons why NWP centers reject a large amount of observations from sounders. NWP centers, however, have begun to assimilate cloud-affected radiances over the oceans using channels whose cloudy radiative effects are modeled by a simple cloud model. Some of these detection algorithms are evaluated in this manuscript, and their limitations are clarified. In order to increase the amount of assimilated data, it is necessary to better represent clouds and their radiative effects in the models. For several years, studies have been conducted to better represent their effects in radiative transfer models ([Faijan et al., 2012] ; [Martinet et al., 2013]) ; and to use new informative infrared channels of cloudy hydrometeors in the assimilation. [Martinet et al., 2014]. This thesis focuses on several approaches for the assimilation of cloudy radiances. In the first part, the characterization of the cloud parameters currently used for the assimilation of cloudy radiances was evaluated in the global and regional scale models. In addition, as part of the "all-sky" assimilation, which considers both clear and cloudy radiances, the evaluation and improvement of homogeneous scene detection algorithms based on the colocation of observations with other imagers was studied. These studies are made possible by taking into account the hydrometeorological fields provided by the convective schemes of the ARPEGE model as the input of the RTTOV-CLD cloud radiative transfer model. Part of this thesis concerns the validation of simulations, by comparing the contribution of the new convective PCMT scheme to the one used in operational applications. Subsequently, different criteria for selecting homogeneous scenes are proposed. By conducting assimilation experiments and evaluating the impact of these proposed selection criteria on the quality of long-term forecasts, one of the proposed tests stands out from the others by keeping a significant amount of clear sky observations and demonstrating neutral to slightly positive impacts on the forecasts. These new methods for selecting homogeneous scenes proposed in this study allows the consideration of improving the quality control of IASI observations in clear sky. To address the issue of all-sky radiance data assimilation, the two-step assimilation technique, already used for radar reflectivity assimilation in AROME ([Wattrelot et al., 2014]), was evaluated for IASI radiances in the ARPEGE model in a case study. This method based on Bayesian inversion has recently been adapted for satellite microwave observations ([Duruisseau et al., 2018]). Several sensitivity tests were carried out on the different parameters of the algorithm, with the objective of preparing for future work on infrared all-sky assimilation, as explained in the perspectives of this manuscript.

Le mémoire fait la synthèse de mes travaux de recherche autour de la question de la production du ''meilleur`` état initial possible pour démarrer une prévision numérique de l'évolution de l'atmosphère. Cette thématique va nous amener à considérer la problématique de l'assimilation des données. En particulier, mes travaux ont abordé cette question en relation avec les modèles numériques de prévision météorologique régionaux, à aire limitée. Le mémoire peut se lire pour l'essentiel sous deux angles: * des considérations assez amont sur la recherche de l'état optimal d'un système dynamique connu imparfaitement, mais sur lequel un contrôle par des observations indépendantes est possible: observations ciblées dans un modèle idéalisé, scénarii de mesures, croissance des erreurs et analyse par vecteurs singuliers. * études poursuivies dans le cadre de l'implémentation d'une analyse variationnelle dans le modèle régional Aladin de Météo-France: croissance des erreurs dans ce modèle, réglage des variances d'erreur de prévision, prise en compte du système coupleur (plus précisément, de son analyse) dans un système couplé, propriétés de la solution adjointe Des perspectives de recherche et de développement sont abordées en conclusion.

Les fonctions de sensibilité dites a posteriori permettent de caractériser des corrections aux conditions initiales qui peuvent réduire significativement l'erreur de prévision à une échéance donnée (typiquement 24 ou 48 heures). L'erreur est ici définie par l'écart à une analyse de vérification et la fonction de sensibilité ne peut donc être calculée qu'a posteriori. De telles structures dépendent de la nature de l'écoulement et ne sont pas prises en compte dans le modèle de covariance d'erreur de prévision stationnaire utilisé dans un système d'assimilation de données variationnelle 3D (3D-Var) comme celui du Centre Météorologique Canadien (CMC). Pour remédier à ceci, Hello et Bouttier (2001) ont introduit une formulation différente des covariances d'erreur de prévision qui permet d'inclure les fonctions de structure basées sur des fonctions de sensibilité a priori définissant la structure de changements aux conditions initiales qui ont le plus d'impact sur une prévision d'échéance donnée. Dans ce cas, l'amplitude de cette correction est déterminée en s'ajustant aux observations disponibles. Dans ce projet, une formulation différente est proposée et comparée à celle de Hello et Bouttier (2001). L'algorithme, appelé 3D-Var adapté, est tout d'abord présenté et analysé dans le cadre plus simple d'une analyse variationnelle 1D (1D-Var) pour être ensuite introduit dans le 3D-Var du CMC. L'impact du changement apporté a été étudié en utilisant les fonctions de sensibilité a posteriori associées à une prévision manquée sur la côte est de l'Amérique du Nord. En mesurant globalement l'erreur de prévision, la fonction de sensibilité indique qu'il est nécessaire d'apporter des corrections à l'analyse sur différentes régions du globe. Pour le 3D-Var adapté, ceci conduit à une fonction de structure non localisée et l'amplitude de la correction est caractérisée par un seul paramètre défini par l'ensemble des observations disponibles. En comparant aux prévisions issues du 3D-Var opérationnel ou de l'analyse de sensibilité, la prévision issue de l'analyse du 3D-Var adapté est améliorée par rapport à celle du 3D-Var conventionel mais nettement moins que celle issue de l'analyse de sensibilité. Par contre, le 3D-Var adapté améliore l'ajustement de l'analyse aux observations alors que l'analyse de sensibilité le dégrade. En localisant la mesure de l'erreur de prévision sur la région correspondant au système météorologique du cas étudié sur la côte est de l'Amérique du Nord, la fonction de sensibilité est maintenant localisée sur une région mieux délimitée (dite région sensible). Il est également possible de varier la fenêtre temporelle utilisée pour définir la fonction de sensibilité. L'impact sur la qualité de l'analyse et des prévisions résultantes a été étudié autant pour l'analyse de sensibilité que pour le 3D-Var adapté. Les résultats montrent que la définition d'une fonction de structure appropriée pour un système d'assimilation vise à simultanément concorder aux observations disponibles et améliorer la qualité des prévisions. Les résultats obtenus montrent que l'utilisation des fonctions de sensibilité comme fonctions de structures n'est pas immédiate. Bien que limitées à un seul cas, nos expériences indiquent certaines pistes intéressantes pour définir des fonctions de sensibilité pouvant être utilisées comme fonctions de structures. Ces idées pourraient s'appliquer également aux fonctions de sensibilité a priori.

La validation d'un modèle atmosphérique avec les observations satellitaires est basée sur les différentes techniques de télédétection employées afin de récupérer des propriétés physiques et optiques de composantes atmosphériques, notamment des nuages et des aérosols. Il est bien connu que le « retrieval approach » introduit de grandes incohérences en raison des hypothèses diverses portant sur le problème d'inversion où la principale difficulté est l'unicité de la solution. Autrement dit, le milieu analysé peut être composé d'un certain nombre de paramètres physiques inconnus dont les combinaisons différentes mènent au même signal de radiation. En plus du problème d'unicité de la solution, il y a plusieurs problèmes mathématiques reliés à l'existence et à la stabilité de la solution ainsi qu'à la manière dont la solution est construite. Par contre, il est bien connu que les prévisions des modèles atmosphériques souffrent d'incertitudes portant sur l'approche numérique qui limite leurs applications à la simulation de phénomènes naturels. Malgré ces difficultés, certains aspects des prévisions numériques peuvent être considérées comme réalistes parce qu'elles prennent explicitement en considération les principes de la physique, dont des processus microphysiques des nuages et des aérosols. Dans ce contexte, la motivation principale de cette recherche est d'évaluer le potentiel de la validation des paramétrisations physiques des aérosols et des nuages dans les modèles climatiques par le biais des mesures satellitaires (radar et lidar) en utilisant les « simulation vers l'avant ». Dans cette étude, nous utilisons une approche qui emploie le modèle Simulateur des instruments d'EarthCARE afin de reproduire des mesures satellitaires comparables à celles du radar et du lidar. Compte tenu du manque de mesures satellitaires, la validation se base sur les mesures directes du lidar et du radar de l'expérience APEX-E3 réalisées au printemps 2003 où les fréquences et la performance des systèmes d'observation correspondent à celles qui vont être mesurées par le satellite EarthCARE. Les caractéristiques microphysiques des nuages et des aérosols ainsi que l'état de l'atmosphère sont produites par le modèle atmosphérique NARCM. Elles sont ensuite converties en données de réflectivité pour le radar et en données de rétrodiffusion pour lidar en utilisant le Simulateur des Instruments d'EarthCARE. Pour terminer, les résultats sont comparés aux mesures de radar et de lidar de l'expérience APEX-E3. Les champs d'aérosols simulés avec NARCM indiquent un accord important avec ceux qui sont observés, mais les propriétés microphysiques des nuages simulées ne sont pas compatibles avec les observations. Autrement dit, les résultats montrent un large désaccord entre la réflectivité observée et la réflectivité simulée en dépit du fait que ses étendues verticales sont relativement similaires. Le nuage simulé est plus mince, situé à plus haute altitude et les valeurs maximales de réflectivité dans le nuage sont environ 5-10 dBZ inférieures à celles du nuage observé. De plus, le coefficient de la rétrodiffusion simulé (sans eau liquide) au-dessous de la base et au-dessus du sommet du nuage est nettement plus faible par rapport au coefficient de rétrodiffusion observé. Il y a également, à ces deux niveaux une plus grande quantité d'eau glacée observée que dans le cas simulé par NARCM. Si la présence d'eau liquide est incluse dans le Simulateur des lnstruments d'EarthCARE, les valeurs simulées du coefficient de rétrodiffusion sont de plusieurs ordres de grandeurs supérieures à celles observées, ce qui suggère que les valeurs du contenu en eau liquide simulées par NARCM sont surestimées d'une manière significative par rapport à toutes les altitudes où le nuage observé est présent. En conclusion, l'analyse montre que la paramétrisation microphysique de Lohmann (Lohmann et Roeckner, 1996) ne possède pas la capacité de produire les quantités glace observées dans le cas de cirrostratus. Il est également constaté que le contenu d'eau glacé de NARCM est sous-estimé, et que le contenu d'eau liquide est surestimé. Les résultats de cette étude confirment donc que l'utilisation du « forward approach » a un grand potentiel dans la validation de la paramétrisation des aérosols et des nuages. Par contre, des nouvelles vérifications seront nécessaires pour accomplir le processus de validation. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Validation, Rétrodiffusion de lidar, Réflectivité de radar, Simulations régionales des modèles atmosphériques.

Le travail de thèse a porté sur l'utilisation des données radar dans les domaines de la validation et de l'initialisation des modèles atmosphériques à échelle kilométrique. Dans la première partie, un simulateur radar sophistiqué et modulaire est développé dans le modèle atmosphérique à haute résolution Méso-NH. Des tests de sensibilité sur les différentes formulations utilisées pour décrire chaque processus physique impliqué dans les mesures radar (réflectivités et vents radiaux Doppler) sont effectués. Ils permettent de préciser le niveau de complexité nécessaire pour la simulation de la donnée radar à des fins de validation et pour l'opérateur d'observation à des fins d'assimilation des données radar. Dans la seconde partie, une méthode originale est développée pour assimiler les réflectivités. Cette méthode en deux temps, appelée 1D+3DVar, restitue d'abord des profils verticaux d'humidité à partir de profils de réflectivité par le biais d'une technique bayésienne qui utilise des colonnes voisines d'humidité et de réflectivité cohérentes du modèle. Les pseudo-observations restituées sont à leur tour assimilées par un système d'assimilation 3DVar à la résolution de 2,5 km. La méthode est évaluée et réglée avec à la fois des données simulées et réelles. On montre notamment le bénéfice de l'assimilation des données de réflectivité pour les prévisions à courte échéance de la situation des inondations exceptionnelles de septembre 2002 dans le Gard.

La mise en œuvre de méthodes d'assimilation d'ensemble est une technique assez récente visant à simuler les erreurs d'analyse et de prévision d'un système d'assimilation de données. Cela permet d'une part d'estimer des covariances spatiales des erreurs de prévision, qui sont un ingrédient essentiel des systèmes d'assimilation de données, dans la mesure où elles permettent de filtrer et de propager spatialement l'information observée. La dépendance de ces covariances d'erreur à la situation météorologique devient ainsi accessible avec ces techniques d'ensemble. D'autre part, l'assimilation d'ensemble est également une méthode de plus en plus utilisée pour fournir des perturbations initiales aux systèmes de prévision d'ensemble. Une telle approche peut être mise en place non seulement dans un système modélisant l'atmosphère sur l'ensemble du globe, mais aussi dans un système régional à aire limitée, en utilisant dans ce cas des conditions limites latérales appropriées. Le sujet de thèse proposé consiste à examiner certaines propriétés de sensibilité de ces techniques d'assimilation d'ensemble dans ces deux types de contextes (à savoir global et régional, respectivement). Il s'agit premièrement d'étudier la sensibilité d'un système global d'assimilation d'ensemble à son initialisation. Cela sera mené en comparant une technique d'initialisation "à froid" (basée sur des perturbations initiales nulles) avec une méthode basée sur des perturbations initiales tirées d'un modèle de covariance. Dans une deuxième partie, la sensibilité d'une assimilation d'ensemble régionale aux conditions limites latérales sera examinée. Dans cette perspective, une comparaison entre différentes techniques de production des perturbations latérales sera réalisée. Il s'agit notamment de comparer les approches basées sur des perturbations latérales qui sont soit nulles, soit tirées d'un ensemble global, ou encore produites à l'aide d'un modèle de covariance. Ces études de sensibilité seront menées d'une part en utilisant des expérimentations avec les systèmes global Arpege et régional Aladin. Ce travail s'appuiera d'autre part sur une formalisation des équations qui gouvernent l'évolution des perturbations au sein d'une assimilation d'ensemble. Ces études devraient permettre de documenter les propriétés de ces assimilations d'ensemble, et de définir des stratégies de mise en œuvre en grandeur réelle pour l'assimilation de données ainsi qu'éventuellement pour la prévision d'ensemble.

Ce document défend la thèse selon laquelle les prévisions hydrologiques d'ensemble possèdent une utilité opérationnelle supérieure à celle de leur contrepartie déterministe, autant dans le cas des prévisions basées sur des réseaux de neurones que pour des prévisions provenant d'un modèle hydrologique physique couplé à des prévisions météorologiques d'ensemble. Pour ce faire, deux séries de prévisions hydrologiques d'ensemble sont produites. La première série exploite un ensemble de réseaux de neurones tandis que la deuxième série provient du modèle hydrologique physique HYDROTEL auquel sont fournies des prévisions météorologiques d'ensemble issues de deux modèles atmosphériques développés par Environnement Canada. Puisque la simplicité de mise en oeuvre des réseaux de neurones de type perceptron multicouches le permet, ceux-ci sont testés sur six bassins versants. Les prévisions provenant du modèle HYDROTEL, quant à elles, concernent uniquement le bassin versant de la rivière Gatineau, qui comporte plusieurs ouvrages de production hydroélectrique. Cette particularité permet l'étude de la performance économique des prévisions hydrologiques d'ensemble pour la gestion du système. De plus, cette expérience se déroulant en période de crue, on peut démontrer l'intérêt des prévisions d'ensemble pour la prévention des débordements dans ce secteur. Par ailleurs, une comparaison entre les prévisions d'ensemble et les débits observés est effectuée à l'aide de critères de performance spécifiques aux prévisions d'ensemble, tels que le Continuous Ranked Probability Score ainsi que sa décomposition. Cette approche répandue chez les partisans des modèles physiques est toutefois novatrice du point de vue des ensembles neuronaux. Elle permet de démontrer la pertinence de conserver l'intégralité de l'ensemble neuronal plutôt que de l'agréger en une valeur moyenne, puisque l'ensemble offre une performance prévisionnelle supérieure. VI L'analyse des prévisions brutes, toute provenance confondue, révèle la présence d'un biais ainsi qu'une sous-estimation de l'incertitude (sous-dispersion) importante. Consé-quemment, quatre méthodes de post-traitement des prévisions sont appliquées et comparées. Ces méthodes, majoritairement basées sur une procédure de type noyaux, sont aussi testées sur deux jeux de prévisions d'ensemble synthétiques simples, afin d'effectuer une expérience plus théorique pour laquelle la réponse attendue est connue.

La mise en œuvre de méthodes d'assimilation d'ensemble est une technique assez récente visant à simuler les erreurs d'analyse et de prévision d'un système d'assimilation de données. Cela permet d'une part d'estimer des covariances spatiales des erreurs de prévision, qui sont un ingrédient essentiel des systèmes d'assimilation de données, dans la mesure où elles permettent de filtrer et de propager spatialement l'information observée. La dépendance de ces covariances d'erreur à la situation météorologique devient ainsi accessible avec ces techniques d'ensemble. D'autre part, l'assimilation d'ensemble est également une méthode de plus en plus utilisée pour fournir des perturbations initiales aux systèmes de prévision d'ensemble. Une telle approche peut être mise en place non seulement dans un système modélisant l'atmosphère sur l'ensemble du globe, mais aussi dans un système régional à aire limitée, en utilisant dans ce cas des conditions limites latérales appropriées. Le sujet de thèse proposé consiste à examiner certaines propriétés de sensibilité de ces techniques d'assimilation d'ensemble dans ces deux types de contextes (à savoir global et régional, respectivement). Il s'agit premièrement d'étudier la sensibilité d'un système global d'assimilation d'ensemble à son initialisation. Cela sera mené en comparant une technique d'initialisation "à froid" (basée sur des perturbations initiales nulles) avec une méthode basée sur des perturbations initiales tirées d'un modèle de covariance. Dans une deuxième partie, la sensibilité d'une assimilation d'ensemble régionale aux conditions limites latérales sera examinée. Dans cette perspective, une comparaison entre différentes techniques de production des perturbations latérales sera réalisée. Il s'agit notamment de comparer les approches basées sur des perturbations latérales qui sont soit nulles, soit tirées d'un ensemble global, ou encore produites à l'aide d'un modèle de covariance. Ces études de sensibilité seront menées d'une part en utilisant des expérimentations avec les systèmes global Arpege et régional Aladin. Ce travail s'appuiera d'autre part sur une formalisation des équations qui gouvernent l'évolution des perturbations au sein d'une assimilation d'ensemble. Ces études devraient permettre de documenter les propriétés de ces assimilations d'ensemble, et de définir des stratégies de mise en œuvre en grandeur réelle pour l'assimilation de données ainsi qu'éventuellement pour la prévision d'ensemble. / The implementation of ensemble assimilation methods is a fairly recent technique used to simulate the analysis and forecast errors within a data assimilation system. On the one hand, this allows to estimate the spatial covariances of forecast errors, which are an essential component in data assimilation systems, insofar as they are used to filter and disseminate spatially the observed information. The dependence of such error covariances to the weather situation becomes accessible with these ensemble techniques. On the other hand, the ensemble assimilation is a method increasingly used to provide initial perturbations to ensemble prediction systems. Such approach may be implemented not only in a system modeling the atmosphere throughout the globe, but also in a regional system with limited area using suitable lateral boundary conditions. The proposed thesis consists on examining some sensitivity properties of these ensemble assimilation techniques in both contexts (global and regional, respectively). In the first part, the sensitivity of a global ensemble assimilation system to its initialization will be examined. This will be conducted by comparing a "cold" initialization technique (initial perturbations equal to zero) with a method based on initial perturbations drawn from a covariance model. In the second part, the sensitivity of a regional ensemble assimilation to lateral boundary conditions will be considered. In this context, a comparison between different techniques producing lateral boundaries will be achieved. It involves comparing approaches using lateral boundaries which are equal to zero or drawn from a global ensemble, or generated using a covariance model. These sensitivity studies will be conducted using experiments using the global and regional modeling systems, Arpège and Aladin respectively. Furthermore, this work will be based on a formalization of the equations governing the evolution of perturbations in an ensemble assimilation. These studies should help to document the ensemble assimilation properties, and develop strategies for implementing in real scale for data assimilation and possibly for ensemble prediction system.