En assimilation de données, les modèles de corrélation permettent de caractériser les structures d'erreurs pour les variables définies sur une grille numérique. L'équation de diffusion fournit un cadre flexible et efficace pour représenter des fonctions de corrélation pour des problèmes de grande dimension tels que ceux rencontrés en assimilation variationnelle pour l'atmosphère ou l'océan. Dans cette thèse, une formulation implicite est d'abord étudiée en détail en dimension un (1D). On montre qu'intégrer une équation de diffusion implicite à coefficient constant sur M pas de temps est équivalent à convoluer la condition initiale à une fonction autorégressive (AR) d'ordre M. L'échelle de corrélation de la fonction AR et le facteur de normalisation requis pour générer une amplitude égale à 1 sont donnés en fonction du coefficient de diffusion et de M. Des extensions du modèle de diffusion permettant aux fonctions de corrélation de ne pas être affectées par les frontières, et tenant compte de variations des échelles sont décrites. Une approximation des facteurs de normalisation est alors proposée. Des produits d'opérateurs de diffusion implicite 1D sont ensuite utilisés pour construire des modèles de corrélation en dimension deux et trois pour des configurations globales d'un système d'assimilation variationnelle pour le modèle océanique NEMO. Leurs performances sont comparées au modèle de diffusion explicite existant, et des exemples de structures de corrélation où les échelles sont soit paramétrées, soit issues d'une méthode d'ensemble, sont montrés. Enfin, les performances de différentes techniques de normalisation sont comparées.
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00525590 |
Date | 17 September 2010 |
Creators | Mirouze, Isabelle |
Publisher | Université Paul Sabatier - Toulouse III |
Source Sets | CCSD theses-EN-ligne, France |
Language | French |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0018 seconds