Assimilation de données variationnelles multi-fidélité pour les prévisions océaniques
| Auteur / Autrice : | Hélène Hénon |
| Direction : | Arthur Vidard |
| Type : | Projet de thèse |
| Discipline(s) : | Mathématiques Appliquées |
| Date : | Inscription en doctorat le 01/11/2023 |
| Etablissement(s) : | Université Grenoble Alpes |
| Ecole(s) doctorale(s) : | École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble, Isère, France ; 1995-....) |
| Partenaire(s) de recherche : | Laboratoire : Laboratoire Jean Kuntzmann (Grenoble, Isère, France ; 2007-....) |
Mots clés
Résumé
La prévision océanique est un domaine de recherche important pour prédire l'état de l'océan et son impact sur l'environnement, les écosystèmes marins et les activités humaines. L'assimilation des données est un élément crucial de la prévision océanique, qui intègre les données d'observation aux modèles numériques afin de fournir les meilleures estimations possibles de l'état de l'océan. Cependant, l'utilisation de modèles numériques de haute fidélité peut s'avérer coûteuse en termes de calcul et souvent irréalisable dans les applications en temps réel. Il est donc nécessaire de mettre au point des techniques d'assimilation de données efficaces et précises qui puissent fonctionner avec des modèles de moindre fidélité. L'objectif de cette recherche est de développer un cadre d'assimilation de données variationnelles multi-fidélité qui peut incorporer efficacement des observations provenant de sources multiples et de modèles multi-fidélité afin d'améliorer les prévisions océaniques. Le cadre proposé visera à surmonter les limites des techniques traditionnelles d'assimilation de données, qui sont souvent basées sur un seul modèle à haute fidélité, en utilisant l'information provenant de modèles à plus faible fidélité.