4.3 Evaluations des pr´ ´ evisions via l’utilisation de forecast skill dans le sys-
4.3.2 Etude des scores de FS ´
Les r´esultats de FS de la Table 4.5 pour le niveau de la mer montrent une am´ elio-ration globale lorsque le nombre de donn´ees altim´etriques assimil´ees est augment´e. En effet, plus ce score est proche de 1, plus les erreurs de pr´evisions sont faibles devant la persistance. Concernant la pr´evision de hauteur de mer (SL), ce score passe de 0.22 pour Sat1 `a 0.31 pour Sat3.
Ces premiers r´esultats montrent que globalement l’ajout de nouvelles donn´ees alti-m´etriques dans le syst`eme de pr´evision et d’analyse permet d’am´eliorer la pr´evision `a 7 jours comparativement `a la persistance.
Les cartes de la Fig. 4.25 repr´esentent le FS pour le niveau de la mer et pour les simulation Sat1, Sat2 et Sat3. Les r´egions rouges indiquent les zones o`u le FS est positif et les r´egions bleues l`a o`u il est n´egatif.
Les trois cartes sont tr`es similaires et refl`etent bien le peu d’´ecart constat´e entre les diff´erents FS dans le paragraphe pr´ec´edent. Le score est globalement positif montrant ainsi qu’il est pr´ef´erable de r´ealiser une pr´evision plutˆot que d’utiliser la persistance afin de d’obtenir un ´etat estim´e de l’oc´ean `a 7 jours. Les r´egions concern´ees sont majoritaire-ment des zones peu dynamiques et fortemajoritaire-ment d´ependantes des for¸cages atmosph´eriques (e.g centre des gyres, ´equateur).
Ce r´esultat s’explique en partie par le calcul du FS mais aussi par le choix des for¸cages pour les diff´erentes simulations (NR et AR). En effet les for¸cages sont les mˆemes que ce soit pour NR ou pour les exp´eriences d’assimilation. Ainsi en comparant les pr´evisions avec le NR `a la mˆeme date les sources d’erreur li´ees aux for¸cages ne sont pas pr´esentes. En observant s´epar´ement les cartes de variabilit´e d’erreur de pr´evision et de persistance (MSP) e niveau de la mer de la simulation Sat3 (Fig.4.26), des structures d’erreur apparaissent (Pacifique, ´equateur) dans la premi`ere qui sont absentes dans la deuxi`eme. Ces structures sont li´ees au fait que pour le calcul de MSP, nous comparons l’´etat de l’oc´ean au d´ebut du cycle avec l’´etat du NR 7 jours plus tard.
Les zones `a FS n´egatif correspondent `a des r´egions ayant une forte dynamique comme les extensions des courants de bord ouest et le courant circumpolaire. Autrement dit, les erreurs commises `a 7 jours en propageant l’´etat initial du cycle pr´esentent une variabilit´e plus faible que les erreurs de pr´evisions `a 7 jours.
Ce comportement dans les zones `a forte variabilit´e peut ˆetre dˆu au fait que les champs au d´ebut du cycle pr´esentent une dynamique plus forte et plus proche du NR
(a)
(b)
(c)
Figure 4.25 – Forecast Skill pour le niveau de la mer (SL) pour les simulations Sat1 (a), Sat2 (b) et Sat3 (c).
(a)
(b)
Figure 4.26 – Cartes de variabilit´e d’erreur de pr´evision (a) et de persistance (b) pour le niveau de la mer (SL) en cm2 pour la simulation Sat3.
qu’au 7ème jour de pr´evision (voir spectres Section 4.1.6.2). Dynamiquement parlant, les champs observ´es 7 jours avant seraient plus proches du NR que les champs pr´evus malgr´e les 7 jours de diff´erence.
Dans les zones o`u la dynamique est moins intense, les mod`eles au 1/4° des OSSEs et au 1/12° du NR pr´esentent des comportement plus proches d’o`u une diminution des erreurs de pr´evision. Il existe toutefois des r´egions de faible extension `a proximit´e des bords ouest qui pr´esentent un score s’am´eliorant avec le nombre de donn´ees satellites assimil´ees.
Chapitre 5
Impact des observations
altim´etriques de type SAR dans les
Sommaire
5.1 Introduction . . . 109 5.2 Impact SAR/LRM dans un syst`eme au 1/4° . . . 110 5.2.1 Impact de la donn´ee SAR sur la temp´erature . . . 110 5.2.2 Impact de l’erreur de repr´esentativit´e . . . 112 5.3 Assessing the impact of SAR altimetry for global ocean
analysis and forecasting. . . 115 5.3.1 Introduction (fr) . . . 115 5.3.2 Conclusion (fr) . . . 116 5.3.3 Observing System Simulation Experiments . . . 116 5.3.4 Abstract. . . 116 5.3.5 Introduction . . . 116 5.3.6 Observing System Simulation Experiments . . . 117 5.3.7 Main results. . . 118 5.3.8 Conclusion . . . 121 5.4 Impact de la donn´ee SAR sur les forecast skills dans les
5.1 Introduction
Le chapitre pr´ec´edent s’est int´eress´e, entre autre, `a l’impact du nombre d’altim`etres assimil´es sur les analyses et pr´evisions oc´eaniques dans un syst`eme global au 1/4°. Les ´evolutions de la constellation altim´etrique ne concerne pas uniquement le nombre de missions en vols. En effet il est attendu que des instruments plus pr´ecis contribuent au futur syst`eme d’observation.
Les simulations pr´ec´edemment utilis´ees ont ´et´e construites de telle mani`ere `a simuler un syst`eme employant des donn´ees altim´etriques de type LRM. Ces observations, de par leur technologies pr´esentent une erreur qui a ´et´e simul´ee par un bruit blanc gaussien de 3cm. Certaines missions altim´etriques r´ecentes (Cryosat2, Sentinel 3a) embarquent `
a leur bord une nouvelle technologie (SAR) capable de r´eduire ce bruit de mesure `a 1cm.
Ce chapitre est donc orient´e vers cette question. Dans un premier temps l’impact des donn´ees plus pr´ecises nomm´ees SAR est ´etudi´e par rapport `a leur ´equivalent conven-tionnel (donn´ees LRM) dans un syst`eme au 1/4°. Nous verrons comment, ´etant donn´e les r´esultats, l’apport d’une carte d’erreur de repr´esentativit´e influe sur ces derniers.
Dans un second temps, cette ´etude est reprise dans une configuration au 1/12°. De la mˆeme mani`ere que pour le syst`eme au 1/4°, ont ´et´e utilis´es des forecast skill afin d’´evaluer la qualit´e de la pr´evision `a 7 jours par rapport `a la persistance.