S'abonner à un flux RSS
 

Assimilation des données (HU)

De Wikibardig

Traduction anglaise : Data assimilation 

Dernière mise à jour : 12/11/2022

On regroupe sous ce terme un ensemble de méthodes destinées à approcher au mieux la valeur à attribuer à un paramètre non mesuré.

Principe des méthodes d'assimilation de données

Les méthodes d’assimilation reposent sur des techniques dites de « prévision/correction » :

  • on fait une hypothèse sur la valeur du paramètre à déterminer ;
  • on en déduit par un modèle la valeur qu’un autre paramètre doit prendre à un endroit et/ou à un instant où ce paramètre est mesuré ;
  • on analyse l’écart entre la valeur prédite et la valeur mesurée pour corriger la valeur initiale du paramètre inconnu.

Appliquées de façon itérative, ces techniques permettent d’approcher au mieux les valeurs des paramètres inconnus et d’exploiter les mesures de façon optimale. Les méthodes les plus sophistiquées sont capables de tenir compte de l’incertitude sur les mesures.

Utilisation dans le domaine de l'hydrologie

Les méthodes d’assimilation sont beaucoup utilisées en météorologie pour définir les conditions initiales de l’état de l’atmosphère sur une maille beaucoup plus fine que la maille pour laquelle des mesures sont disponibles. Elles ont également fait l’objet d’applications dans le domaine de l’hydrologie, en particulier pour le calage des modèles.

Par exemple, le CERFACS, en collaboration avec le SCHAPI, a entamé une démarche visant à explorer les apports d'une approche de type assimilation de données pour la prévision des crues. La démarche a été appliquée sur le bassin versant du Gardon à Anduze en utilisant le modèle MERCEDES et la plateforme ATHYS. La figure 1 montre l'amélioration obtenue sur les résultats en fonction du nombre d'événements utilisés (Sabater et al, 2008).


Figure 1 : Événement du 21/11/2003 : a/ Comparaison entre les débits de l'ébauche et des observations ; assimilation avec : b/ une, c/ deux et d/ trois observations ; l'assimilation de données améliore significativement la prévision dès la première observation, soit un jour et demi avant le pic de crue ; Les observations suivantes, assimilées un jour avant le pic, permettent de prévoir la crue avec une excellente précision alors que le modèle sans assimilation la sous-estime de 20%  ; Source : Sabater et al (2008).

Bibliographie :

Pour en savoir plus :

 

Outils personnels