LogoLogo

Bouttier, François. Sur la prévision de la qualité des prévisions météorologiques

Bouttier, François (1994). Sur la prévision de la qualité des prévisions météorologiques.

[img]
Preview
PDF - nécessite un logiciel de visualisation PDF comme GSview, Xpdf or Adobe Acrobat Reader
3937Kb

Résumé en francais

Dans les modèles météorologiques, l'hypothèse d'évolution linéaire des erreurs d'estimation permet d'emprunter au filtre de Kalman étendu l'équation d'évolution des covariances d'erreur, afin d'estimer l'incertitude des prévisions. Dans un modèle barotrope, l'évolution des covariances d'erreur peut s'interpréter en termes de dynamique (instabilité et modes optimaux en particulier) si l'on réécrit l'équation correspondante sous forme adjointe. Cette forme adjointe permet en outre de calculer des covariances d'erreur de prévision pour un coût numérique réduit. La représentation conjointe des effets de la prévision et des observations dans un système d'assimilation séquentielle permet de montrer que, malgré les problèmes de modélisation que soulève la méthode, les covariances d'erreur de prévision contiennent une information sur la dynamique, qui permettrait d'améliorer l'utilisation des données. Cela ne serait possible en pratique qu'en utilisant des approximations numériques à l'algorithme utilisé. Enfin, les concepts de technique adjointe et de covariances d'erreurs de prévision sont illustrés dans trois problèmes : la méthode des incréments de prévision, les sentinelles, et l'assimilation de l'humidité du sol.

Sous la direction du :
Directeur de thèse
Talagrand, Olivier
Ecole doctorale:Sciences de l'Univers, de l'environnement et de l'espace (SDU2E)
laboratoire/Unité de recherche :Centre National de Recherches Météorologiques (CNRM-GAME), UMR 3589
Mots-clés libres :Météorologie - Services météorologiques - Analyse de covariance - Théorie de la prévision - Filtrage de Kalman - Théorie de l'approximation - Incertitude (théorie de l'information)
Sujets :Sciences de l'environnement
Déposé le :12 Nov 2021 10:40