DESCAMPS
"Définition des conditions initiales des prévisions d'ensemble.
Liens avec l'assimilation de données"
le lundi 29 octobre à 14h30
en salle 316 du LMD/ENS rue Lhomond à Paris.
devant le jury constitué de :
M Talagrand Olivier (Directeur de thèse)
M Bougeault Philippe (Rapporteur)
M Le Dimet Fraçois-Xavier (Rapporteur)
Mme Laval Katia
M Pailleux Jean
M Vautard Robert
M Nicolau Jean
Résumé court du travail de thèse:
==========================
"La prévision d'ensemble, comme approche probabiliste de la prévision
météorologique, est maintenant devenue opérationnelle dans de nombreux
centres météorologiques. Un aspect non encore résolu est l'initialisation
de l'ensemble.
Le travail réalisé a eu pour objet une comparaison systématique et
objective de plusieurs méthodes d'initialisation des prévisions. Les
méthodes évaluées sont : la méthode des Vecteurs Singuliers, la méthode
des 'Bred modes' et trois méthodes d'assimilation d'ensemble : le Filtre
de Kalman d'Ensemble, la méthode des Observations Perturbées et l'
'Ensemble Transform Kalman Filter'. Les comparaisons sont faites sur des
données synthétiques produites par trois modèles différents: un modèle de
petite dimension de Lorenz, un modèle quasi-géostrophique et le modèle
opérationnel de Météo-France, ARPEGE. De façon très générale, les méthodes
d'assimilation d'ensemble obtiennent les meilleures performances. La
conclusion générale est que si l'on veut échantillonner correctement
l'incertitude sur l'état prévu, le meilleur ensemble est celui qui
échantillonne correctement l'incertitude sur l'état initial de la
prévision, indépendamment de toute considération a priori sur les
instabilités qui peuvent se développer dans le cadre de la prévision."
