Où va MEOM ?

D'où vient MEOM ?Plus vous saurez regarder loin dans le passé, plus vous verrez loin dans le futur. [Winston Churchill]

L'avenir, c'est du passé en préparation. [Pierre Dac]

Effectif des permanents MEOM

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Christian Le Provostcréé l’équipe

MEOL/MEOMLeader Modèle des marées mondiales

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Démarrage de la modélisation océanique(tourbillons, topographie)

Début en France

L’océan carré

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

L’aventure altimétrique

Marées,Assimiler la SLA

Topex/Poseidon

Jason 1

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Les grands projets de modélisation

MCFTLDYNAMOCLIPPERDIADEMTOPAZ

2

3

45

67

89

101112-13-

14

15

1617 18

19 20

1

2122

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Le lancement de l’océanographie opérationnelle

SIMAN/QADRANMERCATORMERSEA

1er projet pré-opérationnel à Grenoble

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Le concept du SEEK est posé

et opérationalisé dans SESAM et SAM2/Mercator

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

« Le » projet de modélisationDRAKKAR

CLPJV

BB

JMM, JB

PB

CLP

JMB, TP

AW, ECJLS

Aujourd'hui

….

Le couplage physico-biogéochimique

Le lancement de SARAL/AltiKa (2011)

Toujours un lien fort avec l'opérationnel (MyOcean, GMMC, GLORYS, …)

Une continuité thématique et méthodologique

Objectifs scientifiquesLe rôle de l'océan dans les variations climatiques: les

variabilités et leurs mécanismes, de l'échelle globale à la sous-mésoéchelle

La prévision océanique à moyen terme : les circulations océaniques et de leur impact sur les écosystèmes marins, la mise en place de l’Océanographie Opérationnelle

La dynamique des fluides géophysiques: comprendre les processus à l'œuvre dans l'océan/les modèles, les paramétriser

Méthodes Modélisation Assimilation de données Données (surtout spatiales)

MEOM en bref …

MEOM en bref …

• Un niveau d'activité scientifique très significatif

• Un savoir faire outils modélisation/assimilation

• Une implication de longue date avec l’altimétrie

• Des avancées déterminantes

Marées, Modélisation, Assimilation, Transferts vers l'opérationnel, …

• Un rôle collectif qui va au delà de notre importance numérique

• Des nouvelles forces (permanentes). Toujours un fort vivier de doc/post-doc

• Un axe fort de coopération avec les mathématiciens appliqués (LJK) pour:

4D-VAR océanique (NEMOVAR), Downscaling (AGRIF)

MEOM en bref … • Une équipe d’océanographie de taille modeste dans un laboratoire des sciences de l'ingénieur

• Des fragilités institutionnelles dans un environnement peu marin

• Une offre de formation locale qui n'est pas optimale

• Des difficultés pour faire reconnaître localement nos priorités scientifiques: thèses, …

• Des soutiens techniques (IR) qui deviennent sous-dimensionnés par rapport aux enjeux

Des mots clés pour demain

Des mots clés pour demainrésolution, régionalisation, couplage, …

Des mots clés pour demain

résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color)

régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux

couplage: avec l'atmosphère, la biogéochimie, la glace

La modélisation à l'horizon SWOT En 2020 le 1km de résolution sera atteignable à l'échelle globale

Mais ne résoudra pas bien les processus physiques au km

Les moyens de calcul Les capacités de calcul des ordinateurs devraient être OK. Les capacités de stockage:

OK mais de fortes contraintes I/O

Des questions ? Aurons nous le potentiel humain pour regarder les sorties des modèles ?

Où/comment faire tourner ces modèles ?

Faut-il que les modèles atteignent la résolution des données ? Un plateau est peut être atteignable pour certains objectifs scientifique

Même si le budget d'énergie de l'océan n'est pas clos Un modèle global HR avec des modèles régionaux ou de basin à THR peut être

OK à un certain moment L'emboitement de modèles (e.g. AGRIF: Blayo & Debreu, 1999)

En météorologie, les données sont plus nombreuses et à plus haute résolution que les modèles globaux

L'assimilation de données à l'horizon SWOT

L'AD face à De nouvelles complexités pratiques

Taille des bases de données et des vecteurs d'état des modèles Des systèmes de modélisation emboités

Des complexités théoriques croissantes Accroissement des non-linéarités Statistiques non-Gaussiennes

Les nouvelles pistes pour l'AD sontOuvrir de nouvelles voies conceptuelles:

Assimilation non-Gaussienne (e.g. Lauvernet et al., 2009) Assimilation d'images (e. g. Titaud et al., 2010; Verron et al. 2010) Assimilation multi-échelles

Améliorer la paramétrisation des modèles et les forçages (e. g. Skandrani et al., 2009; Wirth & Verron, 2008)

Utiliser des approches hybrides, i.e. 4DVAR and stochastic methods (Robert et al., 2006; Krysta et al., 2010)

Les données SWOT vs. modèle et assimilation

Quelle physique dans les données SWOT ? Quel signal à très haute résolution fourniront les modèles ? Observabilité des modèles ?

Connaître les erreurs associées, "réduire les incertitudes" Biais, corrélations, contrôle de qualité

Redondance des données si la résolution des données est plus fine que la résolution du modèle Data thinning

L'assimilation et la validation des modèles aiment les données et les nouvelles données Malheureusement les satellites n'observent (encore !) que la surface

Des mots clés pour demain

résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color)

régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux

couplage: avec l'atmosphère, la biogéochimie, la glace

Océan Indien,SOSMOD, BIOCOSM

Océan Indien,SOSMOD, BIOCOSM

Océan Indien,SOSMOD, BIOCOSM

Océan Indien,SOSMOD, BIOCOSM