soit dans l'étape de pré-conditionnement ou soit en forme d'image structure dans l'étape de minimisation. Grâce à sa haute résolution temporelle, une reconstruction temporelle pourrait être ainsi envisagée : pour ce faire, il faudrait lancer une simulation avec un modèle numérique et effectuer notre analyse à chaque instant où une observation est disponible ,
Twin Experiments, pp.125-197, 2013. ,
DOI : 10.1007/978-1-4614-7218-6_5
Importance of stirring in the development of an iron-fertilized phytoplankton bloom, Nature, vol.45, issue.6805, pp.727-730, 2000. ,
DOI : 10.1016/S0967-0645(98)00022-8
Sources et impact climatique de l'activité turbulente de fine échelle dans l'océan atlantique nord ,
Measuring currents, ice drift, and waves from space : the sea surface kinematics multiscale monitoring (skim) concept, Ocean Science Discussions, pp.1-2610, 2017. ,
Introduction to data assimilation and inverse problems, pp.3-23, 2016. ,
Assimilation de données en géophysique, 2014. ,
An Essay towards Solving a Problem in the Doctrine of Chances. By the Late Rev. Mr. Bayes, F. R. S. Communicated by Mr. Price, in a Letter to John Canton, A. M. F. R. S., Philosophical Transactions of the Royal Society of London, vol.53, issue.0, pp.1683-1775, 1763. ,
DOI : 10.1098/rstl.1763.0053
, Présentation de la future mission satellitaire SWOT et des campagnes aéroportées AirS- WOT, Tech. Rep. 2, Programme PIREN-Seine, 2011.
Assimilation of TOPEX/POSEIDON altimeter data into a circulation model of the North Atlantic, Journal of Geophysical Research, vol.81, issue.C12, pp.691-2470510, 1994. ,
DOI : 10.1029/JC081i015p02641
Mixed Layer Instabilities and Restratification, Mixed layer instabilities and restratification, pp.2228-2250, 2007. ,
DOI : 10.1175/JPO3101.1
, Cours assimilation de données master OASC, 2004.
Sensitivity of finite-size Lyapunov exponents to mesoscale velocity errors, 2008. ,
Efficient Parameterization of the Observation Error Covariance Matrix for Square Root or Ensemble Kalman Filters: Application to Ocean Altimetry, Monthly Weather Review, vol.137, issue.6, pp.1908-1927, 2009. ,
DOI : 10.1175/2008MWR2693.1
, Références bibliographiques
The seasonal cycle of submesoscale flows, Ocean Modelling, pp.69-84, 2015. ,
Ocean data assimilation using sequential methods based on the Kalman filter, in Ocean Weather Forecasting : An Integrated View of Oceanography, Chassignet et J. Verron, issue.10, pp.271-316, 2006. ,
The SEEK filter method for data assimilation in oceanography : a synthesis, Ocean Dynamics, pp.650-661, 2006. ,
Seasonality in submesoscale turbulence, Nature Communications, vol.45, issue.1, 2015. ,
DOI : 10.1175/JPO-D-14-0154.1
Mesoscale to Submesoscale Transition in the California Current System. Part I: Flow Structure, Eddy Flux, and Observational Tests, Journal of Physical Oceanography, vol.38, issue.1, pp.29-4310, 2001. ,
DOI : 10.1175/2007JPO3671.1
URL : https://hal.archives-ouvertes.fr/hal-00495950
Mesoscale to Submesoscale Transition in the California Current System. Part II: Frontal Processes, Journal of Physical Oceanography, vol.38, issue.1, pp.44-6410, 2001. ,
DOI : 10.1175/2007JPO3672.1
URL : https://hal.archives-ouvertes.fr/hal-00495950
Mesoscale to Submesoscale Transition in the California Current System. Part III: Energy Balance and Flux, Journal of Physical Oceanography, vol.38, issue.10, pp.2256-226910, 2001. ,
DOI : 10.1175/2008JPO3810.1
URL : https://hal.archives-ouvertes.fr/hal-00495950
Geographical Variability of the First Baroclinic Rossby Radius of Deformation, Journal of Physical Oceanography, vol.28, issue.3, pp.433-460, 1998. ,
DOI : 10.1175/1520-0485(1998)028<0433:GVOTFB>2.0.CO;2
The role of the thermohaline circulation in abrupt climate change, Nature, vol.28, issue.6874, pp.415-863, 2002. ,
DOI : 10.1029/2000GL012243
Introduction to Geophysical Fluid Dynamics, Physical and Numerical Aspects, pp.77-86, 2010. ,
The Role of Mesoscale Tracer Transports in the Global Ocean Circulation, Science, vol.264, issue.5162, pp.1123-1126, 1994. ,
DOI : 10.1126/science.264.5162.1123
AGRIF: Adaptive grid refinement in Fortran, Computers & Geosciences, vol.34, issue.1, pp.8-13, 2008. ,
DOI : 10.1016/j.cageo.2007.01.009
URL : https://hal.archives-ouvertes.fr/inria-00069912
Investigating the Performance of Four Empirical Cross-Calibration Methods for the Proposed SWOT Mission, Remote Sensing, vol.40, issue.6, pp.4831-4869, 2014. ,
DOI : 10.1175/JTECH-D-13-00179.1
Étude de la dynamique océanique de la mer des Salomon : modélisation numérique à haute résolution, 2014. ,
, Références bibliographiques
A 1/36?? model of the Solomon Sea embedded into a global ocean model: On the setting up of an interactive open boundary nested model system, Journal of Operational Oceanography, vol.7, issue.1, pp.34-46, 2014. ,
DOI : 10.1007/978-94-009-0677-8_7
URL : https://hal.archives-ouvertes.fr/hal-01095929
Mixing structures in the mediterranean sea from finite-size Lyapunov exponents, Geophysical Research Letters, issue.17, pp.31-17203, 2004. ,
Monitoring the northern current in the gulf of lions with an observing system simulation experiment, Scientia Marina, issue.3, pp.76-441, 2012. ,
Exploring image data assimilation in the prospect of high-resolution satellite oceanic observations, Ocean Dynamics, pp.875-89510, 2017. ,
SWOT project : mission, performance and error budget, 2014. ,
A daily global mesoscale ocean eddy dataset from satellite altimetry, Scientific Data, vol.110, pp.2052-4463, 2015. ,
DOI : 10.1175/1520-0426(2003)020<1276:TAOSSS>2.0.CO;2
, Lagrangian coherent structures (LCS), 2012.
Ocean circulation kinetic energy : Reservoirs, sources and sinks, Annual Review Fluid Mechanics, pp.253-282, 2008. ,
A 4D-variational approach applied to an eddy-permitting North Atlantic configuration: Synthetic and real data assimilation of altimeter observations, Ocean Modelling, vol.39, issue.3-4, pp.370-385, 2011. ,
DOI : 10.1016/j.ocemod.2011.06.001
URL : https://hal.archives-ouvertes.fr/hal-00743477
Observing Oceanic Submesoscale Processes From Space, Eos, Transactions American Geophysical Union, vol.150, issue.C8, pp.488-48810, 2008. ,
DOI : 10.1029/150GM17
A next generation altimeter for mapping the sea surface variability : opportunities and challenges, the 48th Liège Colloquium Submesoscale Processes : Mechanisms, Implications and new frontiers, 2016. ,
Ubelmann (2013), SWOT mission design for advancing mesoscale oceanography , Ocean Surface Topography Science Team meeting ,
On the Transition from Profile Altimeter to Swath Altimeter for Observing Global Ocean Surface Topography, Journal of Atmospheric and Oceanic Technology, vol.31, issue.2, pp.560-568, 2014. ,
DOI : 10.1175/JTECH-D-13-00109.1
, Eddy dynamics from satellite altimetry, Oceanography, pp.14-25, 2010.
, Références bibliographiques
SWOT : The Surface Water and Ocean Topography Mission. Wide-Swath Altimetric Measurement of Water Elevation on Earth, 2012. ,
URL : https://hal.archives-ouvertes.fr/hal-02194574
Ocean-colour observations from a geostationary orbit, 2012. ,
Ocean circulation of the Southwest Pacific : new insights from the Southwest Pacific Ocean and Climate Experiment (SPICE), Journal of Geophysical Research, vol.119, issue.11, pp.7660-7686, 2014. ,
, Couplage des observations spatiales dynamiques et biologiques pou la restitution des circulations océaniques : une approche conjointe par assimilation de données altimétriques et de traceurs, 2013.
On the inversion of submesoscale tracer fields to estimate the surface ocean circulation, Journal of Marine Systems, vol.126, pp.33-42, 2012. ,
DOI : 10.1016/j.jmarsys.2012.02.014
Inversion of submesoscale patterns from a high-resolution Solomon Sea model: Feasibility assessment, Journal of Geophysical Research: Oceans, vol.34, issue.3-4, pp.4520-4541, 2013. ,
DOI : 10.1175/1520-0485(2004)034<1528:LGOSOS>2.0.CO;2
The Challenge of Using Future SWOT Data for Oceanic Field Reconstruction, Journal of Atmospheric and Oceanic Technology, vol.33, issue.1, pp.119-126, 2015. ,
DOI : 10.1175/JTECH-D-15-0160.1
, Documentation SWOT simulator, 2017.
Atmosphere-Ocean Dynamics, p.662, 1982. ,
Modeling and Analysis of Ageostrophic Circulation over the Azores Oceanic Front during the SEMAPHORE Experiment, Monthly Weather Review, vol.128, issue.7, pp.2270-2287, 2000. ,
DOI : 10.1175/1520-0493(2000)128<2270:MAAOAC>2.0.CO;2
The Role of Mesoscale Eddies in the General Circulation of the Ocean???Numerical Experiments Using a Wind-Driven Quasi-Geostrophic Model, Journal of Physical Oceanography, vol.8, issue.3, pp.363-392, 1978. ,
DOI : 10.1175/1520-0485(1978)008<0363:TROMEI>2.0.CO;2
A new look at the ??-equation, Quarterly Journal of the Royal Meteorological Society, vol.76, issue.439, pp.31-38, 1978. ,
DOI : 10.1175/1520-0469(1947)004<0136:TDOLWI>2.0.CO;2
Threedimensional reconstruction of oceanic mesoscale currents from surface information, Journal of Geophysical Research : Oceans, vol.113, issue.C9, pp.10-1029, 2008. ,
DOI : 10.1029/2007jc004692
URL : https://hal.archives-ouvertes.fr/hal-00405675
Variabilité spatiale et temporelle de l'activité de sub-mésoéchelle dans l'océan atlantique nord, 2015. ,
, Références bibliographiques
A New Approach to Linear Filtering and Prediction Problems, Journal of Basic Engineering, vol.82, issue.1, 1960. ,
DOI : 10.1115/1.3662552
New Results in Linear Filtering and Prediction Theory, Journal of Basic Engineering, vol.83, issue.1, p.109, 1961. ,
DOI : 10.1115/1.3658902
The Oceanic Vertical Pump Induced by Mesoscale and Submesoscale Turbulence, Annual Review of Marine Science, vol.1, issue.1, pp.351-375, 2009. ,
DOI : 10.1146/annurev.marine.010908.163704
URL : https://hal.archives-ouvertes.fr/hal-00406827
Upper Ocean Turbulence from High-Resolution 3D Simulations, Journal of Physical Oceanography, vol.38, issue.8, pp.1748-176310, 2001. ,
DOI : 10.1175/2007JPO3773.1
URL : https://hal.archives-ouvertes.fr/hal-00400075
Diagnosis of vertical velocities in the upper ocean from high resolution sea surface height, Geophysical Research Letters, vol.35, issue.48, pp.10-1029, 2009. ,
DOI : 10.1029/2009GL038359
URL : https://hal.archives-ouvertes.fr/hal-00413564
Ocean turbulence at meso and submesoscales : connection between surface and interior dynamics, Geophysical & Astrophysical Fluid Dynamics, pp.421-437, 2011. ,
DOI : 10.1080/03091929.2010.532498
SWOT mission and objectives, Ocean Surface Current Technology meeting, 2015. ,
Dynamics of the Upper Oceanic Layers in Terms of Surface Quasigeostrophy Theory, Journal of Physical Oceanography, vol.36, issue.2, pp.165-17610, 2001. ,
DOI : 10.1175/JPO2840.1
URL : https://hal.archives-ouvertes.fr/hal-00270025
Variational algorithms for analysis and assimilation of meteorological observations : theoretical aspects, Tellus A : Dynamic Meteorology and Oceanography, pp.97-110, 1986. ,
Diagnosis of the Vertical Motions in a Mesoscale Stirring Region, Journal of Physical Oceanography, vol.37, issue.5, pp.1413-1324, 2007. ,
DOI : 10.1175/JPO3053.1
URL : https://hal.archives-ouvertes.fr/hal-00267835
Stirring of the northeast Atlantic spring bloom: A Lagrangian analysis based on multisatellite data, Journal of Geophysical Research, vol.14, issue.C4, 2007. ,
DOI : 10.1007/978-3-642-55844-3_3
Bringing physics to life at the submesoscale, Geophysical Research Letters, vol.34, issue.C9, pp.3910-1029, 2012. ,
DOI : 10.4319/lo.1989.34.8.1694
The use of adjoint equations to solve a variational adjustment problem with advective constraints, pp.309-322, 1985. ,
, NEMO Ocean Engine, Tech. rep., Institute Pierre Simon Laplace (IPSL), France. Références bibliographiques, 2008.
Modeling the impact of fronts and mesoscale circulation on the nutrient supply and biogeochemistry of the upper ocean, Journal of Geophysical Research: Oceans, vol.45, issue.3, pp.1209-122510, 2000. ,
DOI : 10.1016/S0967-0637(97)00094-0
Comment on "Eddy/Wind Interactions Stimulate Extraordinary Mid-Ocean Plankton Blooms", Science, vol.460, issue.5827, 2008. ,
DOI : 10.1126/science.1136256
Submesoscale dynamics in tropical instability waves, Ocean Modelling, pp.31-46, 2011. ,
An observational assessment of the influence of mesoscale and submesoscale heterogeneity on ocean biogeochemical reactions, Global Biogeochemical Cycles, vol.63, issue.8, pp.1421-1438, 2015. ,
DOI : 10.1016/j.ocemod.2012.12.002
URL : https://hal.archives-ouvertes.fr/hal-01233871
Mesoscale variations of biogeochemical properties in the Sargasso Sea, Journal of Geophysical Research: Oceans, vol.87, issue.C6, pp.381-1310, 1029. ,
DOI : 10.1029/JC087iC03p01927
Submesoscale currents in the ocean, Proceedings of the Royal Society A: Mathematical, Physical and Engineering Science, vol.44, issue.2189, p.472, 2016. ,
DOI : 10.1175/JPO-D-13-0139.1
Seasonality of the submesoscale dynamics in the gulf stream region, Ocean Dynamics, pp.923-94110, 2013. ,
Observabilité de la turbulence océanique de surface par la mission SWOT : filtrage et caractérisation des erreurs en vue de l'inversion des données ,
A Theory of the Interhemispheric Meridional Overturning Circulation and Associated Stratification, Journal of Physical Oceanography, vol.42, issue.10, pp.1652-1667, 2012. ,
DOI : 10.1175/JPO-D-11-0189.1
A nudging scheme to assimilate satellite brightness temperature in a meteorological model: Impact on representation of African mesoscale convective systems, Quarterly Journal of the Royal Meteorological Society, vol.5, issue.647, pp.462-474, 2010. ,
DOI : 10.1002/qj.549
A singular evolutive extended Kalman filter for data assimilation in oceanography, Journal of Marine Systems, vol.16, issue.3-4, pp.323-340, 1998. ,
DOI : 10.1016/S0924-7963(97)00109-7
A singular evolutive extended Kalman filter for data assimilation in oceanography, Journal of Marine Systems, vol.1697, issue.3, pp.323-340, 1998. ,
Vorticity and Vertical Circulation at an Ocean Front, Journal of Physical Oceanography, vol.22, issue.6, pp.609-625, 1992. ,
DOI : 10.1175/1520-0485(1992)022<0609:VAVCAA>2.0.CO;2
, Références bibliographiques
Diagnosing Surface Mixed Layer Dynamics from High-Resolution Satellite Observations: Numerical Insights, Journal of Physical Oceanography, vol.43, issue.7, pp.1345-1355, 2013. ,
DOI : 10.1175/JPO-D-12-0136.1
URL : https://hal.archives-ouvertes.fr/hal-00853310
Surface Roughness Imaging of Currents Shows Divergence and Strain in the Wind Direction, Journal of Physical Oceanography, vol.44, issue.8, pp.44-2153, 2014. ,
DOI : 10.1175/JPO-D-13-0278.1
URL : https://hal.archives-ouvertes.fr/hal-01128407
The Metropolis-Hastings algorithm, Monte Carlo Statistical Methods, pp.267-320, 2004. ,
Mesoscale eddies and general ocean circulation models, Dynamics of Atmospheres and Oceans, vol.3, issue.2-4, pp.143-1800377, 1979. ,
DOI : 10.1016/0377-0265(79)90005-8
Satellite Measurements for Operational Ocean Models, pp.147-18910, 2006. ,
DOI : 10.1007/1-4020-4028-8_6
Surface Water and Ocean Topography Mission (SWOT) project, 2015. ,
Using a dynamical advection to reconstruct a part of the SSH evolution in the context of SWOT, application to the Mediterranean Sea, Ocean Dynamics, vol.27, issue.8, pp.1047-106610, 2017. ,
DOI : 10.1175/1520-0485(1997)027%3C1770:TVPOOH%3E2.0.CO;2
Data assimilation experiments using diffusive back-and-forth nudging for the nemo ocean model, Nonlinear Processes in Geophysics, pp.233-24810, 2015. ,
An Efficient Way to Account for Observation Error Correlations in the Assimilation of Data from the Future SWOT High-Resolution Altimeter Mission, Journal of Atmospheric and Oceanic Technology, vol.33, issue.12, pp.2755-2768, 2016. ,
DOI : 10.1175/JTECH-D-16-0048.1
Impact of oceanic-scale interactions on the seasonal modulation of ocean dynamics by the atmosphere, Nature Communications, vol.4, issue.1, pp.10-1038, 2014. ,
DOI : 10.1175/JPO2771.1
URL : https://hal.archives-ouvertes.fr/hal-01131224
An ObJective Analysis Based on the Variational Method, Journal of the Meteorological Society of Japan. Ser. II, vol.36, issue.3, pp.77-88, 1958. ,
DOI : 10.2151/jmsj1923.36.3_77
SOME BASIC FORMALISMS IN NUMERICAL VARIATIONAL ANALYSIS, Monthly Weather Review, vol.98, issue.12, pp.875-883, 1970. ,
DOI : 10.1175/1520-0493(1970)098<0875:SBFINV>2.3.CO;2
, Lagrangian Coherent Structures, pp.59-89, 2011.
, Références bibliographiques
Eddies and vortices in ocean basin dynamics, Eddies and vortices in ocean basin dynamics, pp.3183-318610, 2001. ,
DOI : 10.1029/93JC03505
Quantifying the seasonality of submesoscale dynamics in the north atlantic ocean, 2016. ,
, Submesoscale Processes and Dynamics, pp.17-3810, 2013.
Séminaire sur l'assimilation de données pour la prévision : une application du, 2002. ,
On the use of finite-time Lyapunov exponents and vectors for direct assimilation of tracer images into ocean models, pp.1038-1051, 2011. ,
Mesoscale Mapping Capabilities of Multiple-Satellite Altimeter Missions, Journal of Atmospheric and Oceanic Technology, vol.16, issue.9, pp.1208-1223, 1999. ,
DOI : 10.1175/1520-0426(1999)016<1208:MMCOMS>2.0.CO;2
Multifractar method for the instantaneous evaluation of the stream function in geophysical flows, et J. Font Physical Review Letters, p.95, 2005. ,
Tracking oceanic currents by singularity analysis of Microwave Sea Surface Temperature images, Remote Sensing of Environment, vol.112, issue.5, pp.2246-2260, 2008. ,
DOI : 10.1016/j.rse.2007.10.007
The multifractal structure of satellite sea surface temperature maps can be used to obtain global maps of streamlines, Ocean Science, pp.447-460, 2009. ,
Impact of data from upcoming altimetric missions on the prediction of the three-dimensional circulation in the tropical Atlantic Ocean, Journal of Operational Oceanography, vol.2, issue.1, pp.3-14, 1080. ,
DOI : 10.1080/1755876X.2009.11020104
The Effect of Atmospheric Water Vapor Content on the Performance of Future Wide-Swath Ocean Altimetry Measurement, Journal of Atmospheric and Oceanic Technology, vol.31, issue.6, pp.1446-1454, 2014. ,
DOI : 10.1175/JTECH-D-13-00179.1
, SWOT simulator for ocean science, 2016.
Mapping surface currents from doppler measurements and application to future satellite missions, 2017. ,
Atmospheric and Oceanic Fluid Dynamics : Fundamentals and Large- Scale Circulation, 2017. ,
Nudging satellite altimeter data into quasi-geostrophic ocean models, Journal of Geophysical Research, vol.78, issue.C3, pp.7479-7491, 1992. ,
DOI : 10.1111/j.1365-246X.1984.tb05071.x
Apports de l'observation satellitaire ?? l'oc??anographie, La M??t??orologie, issue.97, pp.10-4267, 2017. ,
DOI : 10.4267/2042/62168
The SARAL/Altika altimetry satellite mission, Marine Geodesy, pp.2-21, 2015. ,
Ocean observations and the climate forecast problem, Meteorology and the Millenium, pp.217-224, 2002. ,
Observed 3D Structure, Generation, and Dissipation of Oceanic Mesoscale Eddies in the South China Sea, Scientific Reports, vol.1, issue.1, p.10, 1038. ,
DOI : 10.3402/tellusa.v1i3.8507
Equilibration of Baroclinic Turbulence in Primitive Equations and Quasigeostrophic Models, Journal of the Atmospheric Sciences, vol.66, issue.4, pp.837-86310, 2001. ,
DOI : 10.1175/2008JAS2848.1
, Schéma d'un système dynamique avec un point hyperbolique et les variétés stables (en verte) et instables (en bleu) correspondantes. Position initiale de deux particules en rouge sur une variété stable (a), position pour t ? ? (b), position initiale sur une variété instable (c)
, Source, p.64, 2012.
, Carte de vitesses géostrophiques altimétriques et schéma superposé de variétés stable et instable rentrante et sortante respectivement par rapport au point hyperbolique, p.64, 2007.
une variété instable (a) ; superposition de FSLE produite par l'altimétrie (AVISO) sur une carte de chlorophylle de surface mesurée par SeaWIFS, les deux générées pour le 18 juin 2002 (b), Source : Lehan et al, p.66, 2007. ,
Schéma de génération d'image structure à partir de traceurs (a) ; schéma de génération d'image structure à partir de la SSH altimétrique (b) ; schéma de la méthode d'inversion (c), p.67 ,
, Champ de vitesses altimétriques superposées sur le champ de SSH AVISO, FSLE de ce champ et FSLE binarisé ; (b) traceur (SST, MODIS) norme du gradient de traceur et sa binarisation, Source : Gaultier et al, vol.7, p.68, 2012.
Vitesses altimétriques initiales et estimées ; (b) champ des FSLE binarisés initiales et estimés ; (c) évolution de la fonction coût en fonction du nombre d'itérations. Source : Gaultier et al. (2012), p.69 ,
La première étape basée sur le filtre SEEK est considérée comme un pré-conditionnement avant d'appliquer la méthode de minimisation, p.70 ,
Arakawa et sur la grille verticale de variables utilisées dans les équations codées dans NEMO-OPA. La température et la salinité sont définies au point T ; la vorticité au point f ; les vitesses aux points u, v, w respectivement. La SSH est définie au point T mais uniquement sur le premier niveau vertical de la grille, Source : Djath, p.71, 2014. ,
emboîtés : (i) le 1 er domaine est l'océan global (GO) ; (ii) le 2 ème sous-domaine est l'océan Pacifique sud-ouest (SWP) ; (iii) le 3 ème sous-domaine est la région de la Mer de Salomon (SOS), Source : Djath et al, p.72, 2014. ,
, Bathymétrie utilisée dans le modèle NATL60 Axis x et y représentent les points de la grille du modèle. Les carrés entourent différentes sousrégions . Figures (b) Laplacien de SSH dans l'Atlantique Nord produite avec NATL60, Figure, 2006.
, , p.74
Atlantique Nord pour (a) l'hiver le 15 (b) l'été le 15, p.75, 2006. ,
, Schéma du processus itératif pendant la seconde étape d'analyse, p.82
, , p.83
, Liste des figures
La méthode en deux étapes est appliquée uniquement aux régions A et B qui sont représentées par les deux carrés noirs sur cette carte, Moyenne journalière de SST le 22 décembre 1993 appartenant aux simulations SOSMOD36, p.94 ,
, Salomon le 22 décembre 1993 extrait de la simulation SOSMOD36. Dans la région centrale nous observons les deux tourbillons cycloniques très intenses par rapport à la dynamique observée aux alentours, p.95
Composante géostrophique (a) et agéostrophique (b) de vitesse horizontale en surface pour le 22 décembre 1993 des simulations SOSMOD36, p.95 ,
, le 26 (d) et le 31 (e) décembre. La carte de SSH au milieu correspond à l'état vrai, p.96
FSLE (b) et FSLE binarisés (c) de l'état vrai x t dans la région A. L'état vrai correspond à l'état multivarié le 22 décembre, p.96, 1993. ,
EOF 4 (d), EOF 9 (e), EOF 1 (c) EOF 39 (g), p.98 ,
FSLE binarisés (b) L'observation de SSH est générée à partir de l'équation 6.20 avec un bruit d'ébauche défini par ? = 4 cm. L'image FSLE est calculée à partir d'un champ de vitesse perturbé en utilisant l'équation 6, p.99 ,
FSLE binarisé (b) de l'ébauche x b . L'ébauche est générée en utilisant l'équation 6, p.100 ,
FSLE binarisé (b) de l'ébauche générés en utilisant l'équation 6, p.101 ,
et de l'erreur relative de vitesses (b) en fonction du nombre d'itérations pendant le processus de minimisation de la seconde étape : sans pré-conditionnement (courbe noire) et avec pré-conditionnement (courbe rouge). L'ébauche initiale utilisée est montrée sur la figure 7.9, laquelle est générée avec l'équation 6, p.102 ,
, , p.104
e, f) de l'échantillon de P a1, p.105 ,
e, f) de l'échantillon de P a2, p.105 ,
état vrai : (i) ssh a1 ? ssh t de l'échantillon de p a1 (a, b, c) ; (ii) ssh a2 ? ssh t de l'échantillon de P a2 (d, e, f) Les champs de SSH estimés correspondent à ceux montrés sur les figures 7, p.106 ,
erreur de vitesse (b) en fonction du nombre d'itérations travers le processus de minimisation de la seconde étape de l'analyse. Ces deux figures montrent que la fonction coût et l'erreur relative sur les vitesses sont réduites significativement pendant le processus, p.107 ,
, Liste des figures
, Cette figure présente la norme de l'erreur de FSLE binarisé (|???||?? |???|) en fonction de la norme de l'erreur du module de vitesses horizontales (|?u|) Trois points sont rajoutés sur la figure : (i) le point bleu correspond à
(iii) le point vert à (|?u a2 |, |???|?? |??? a2 |) La courbe noire est considérée comme une courbe de référence réalisée à partir de différents champs de vitesses et leur image structure associée. Une zone de convergence a été définie (carré gris) : les états à l'intérieur de cette zone peuvent être directement corrigés par la seconde étape d'analyse pour avoir un nouvel estimé de vitesses ,
FSLE binarisé (c) à 32 m de profondeur réalisés pour l'ensemble complet de 100 états de P b (bleu), P a1 (rouge), et P a2 (vert) Ces histogrammes présentent le nombre d'états e (axe y) en fonction de la norme de l'erreur de var e en échelle logarithmique (axe x), p.110 ,
, Sections verticales de vitesse zonale u : état vrai u t (a)
, estimé final u a2 (c) Cette coupe verticale est faite à la longitude de 153 o 50 E, p.111
, Sections verticales de différence de vitesse zonale u : u a1 ? u t (a), u a2 ? u t, p.112
Ces trois positions sont représentées par les points en noir numérotés dans la figure 7.1. Dans les trois figures ci-dessus nous montrons : (i) le profil de l'état vrai u t représenté par le profil noir ; (ii) profils correspondant à 10 états différents de chaque ensemble (profils bleus pour P b , profils rouges pour P a1 , et verts pour P a2 ), p.113 ,
verticale pour l'état vrai (a, e), l'ensemble des états caractérisés par P b (b, f), par P a1 (c, g) et par P a2 (d, h), p.115 ,
, État vrai de SSH (a) ; état vrai de FSLE binarisé ; observation de SSH (c), p.116
estimé de SSH après la première étape (b) ; estimé de SSH après la deuxième étape (c), p.116 ,
estimé de FSLE binarisé après la première étape (b) ; estimé de FSLE binarisé après la deuxième étape (c), p.117 ,
Évolution la fonction coût (a) et de l'erreur relative de vitesses (b) en fonction du nombre d'itérations pendant le processus de minimisation de la deuxième étape pour le test dans la région, p.117 ,
erreur gaussienne (observation utilisée dans le chapitre 7) ; observations altimétriques générées avec des traces au sol de type Jason-2 (b) sans et (c) avec de l'erreur gaussienne ; observations altimétriques générées avec de traces au sol de type SARAL/AltiKa (d) sans et (e) avec de l'erreur gaussienne, p.121 ,
, Évolution de la fonction coût (a) et de l'erreur relative de vitesse (b) pendant le processus de minimisation dans la seconde étape. La légende ci-dessus spécifie les différentes observations altimétriques utilisées pour le pré-conditionnement, p.122
, Liste des figures
Ces passages ont lieu pendant un cycle de 21 jours dans la région A. Les numéros de ces passages parmi les 292 passages sont : 017 (b) La totalité des erreurs fournies par le simulateur sont implémentées sur ces passages, p.124 ,
Six passages SWOT correspondants au passage numéro 170 sont générés pour de simulations différentes Les trois premiers passages (a, b, c) contiennent tous les erreurs à exception de l'erreur KaRIn, les trois derniers passages (d, e, f) contiennent aussi l'erreur, p.126 ,
, Erreurs générées avec le simulateur SWOT et associées à l'observation de SSH sur la figure 8.4(a) : (a) erreur de dilatation ; (b) erreur de temps ; (c) erreur de roulis ; (d) erreur de phase ; (e) erreur de troposphère humide ; (f) erreur liée à la correction du délai produit par la troposphère humide, p.126
observation de SSH sur la figure 8.4(d) : (a) erreur de dilatation ; (b) erreur de temps ; (c) erreur de roulis ; (d) erreur de phase ; (e) erreur de troposphère humide ; (f) erreur liée à la correction du délai produit par la troposphère humide ; (g), p.127 ,
a) sans erreur ; (b) avec de l'erreur gaussienne (Cas A) ; (c) avec tous les erreurs du simulateur saut l'erreur KaRIn (Cas B) ; (d) avec tous les erreurs du simulateur (Cas C, Observation altimétrique avec des larges fauchées de type SWOT, p.128 ,
ssh a1 ? ssh t (b, f, j) ; u a1 ? u t (c, g, k) ; v a1 ? v t (d, h, l) produits après l'étape de pré-conditionnement en utilisant les observations montrées sur la figure 8.7(b) (cas A), cas B) et 8.7(d) (cas C), p.129 ,
Évolution de la fonction coût (a) et de l'erreur relative de vitesse (b) pendant le processus de minimisation dans la seconde étape. La légende ci-dessus spécifie les différentes observations altimétriques de type SWOT utilisées pour le préconditionnement, p.130 ,
, Les quatre dérivées spatiales de l'observation de SSH montrées dans la figure 8.7(c) : ? ac SSH (a), ? 2 ac SSH (b), ? al SSH (c) et ? 2 al SSH (d). . . . . . . . . . 132
i) ; ssh a1 ? ssh t (b, f, j) ; u a1 ? u t (c, g, k) ; v a1 ? v t (d, h, l), p.133 ,
axe y) en fonction de l'erreur de vitesse (axe x) pour le test 3 : pour la première série d'analyses (a) ; pour la seconde série d'analyses (b), p.134 ,
, Les quatre dérivées spatiales de l'observation de SSH montrée dans la figure 8.7(d) : ? ac SSH (a), ? 2 ac SSH (b), ? al SSH (c) et ? 2 al SSH (d). . . . . . . . . . 135
i) ; ssh a1 ? ssh t (b, f, j) ; u a1 ? u t (c, g, k) ; v a1 ? v t (d, h, l) pour le test 3, p.135 ,
Le carré noir correspond à la sousrégion OSMOSIS. La ligne violette représente la position d'une section verticale à 15, Région globale des simulations NATL60, p.138 ,
, Liste des figures
Vitesses verticales proche de la surface dans la région OSMOSIS en hiver le 01/02/2013 (a) et en été le 01, p.139, 2013. ,
Variance en pourcentage représentée par chaque EOF : en bleu pour l'hiver ; en rouge pour l'été, p.141 ,
Cartes des EOFs calculées pour l'expérience d'hiver : (a) EOF n o 1 ; (b) EOF n o 4 ; (c) EOF n o 9 ; (d) EOF n o 29 ; (e) EOF n o 49, p.141 ,
Cartes des EOFs calculées pour l'expérience d'été : (a) EOF n o 1 ; (b) EOF n o 4 ; (c) EOF n o 9 ; (d) EOF n o 29 ; (e) EOF n o 49, p.142 ,
53 mètres de profondeur de : (a) SSH ; (b) vitesse horizontale ; (c) FSLE binarisé ; (e) vorticité ; (d) vitesse verticale, p.143, 2013. ,
septembre 2013) au niveau de 40.53 mètres de profondeur de : (a) SSH ; (b) vitesse horizontale ; (c) FSLE binarisé ; (e) vorticité ; (d) vitesse verticale, Cartes de l'état vrai en été, p.144 ,
Date du champ de SSH en 2013 : (a) le /02 ; (b) le 03/03 ; (c) le 07/03 (état vrai) ; (d) le 11/03, p.145 ,
Date du champ de SSH en 2013 : (a) le 25/09 ; (b) le 29/09 ; (c) le 01/09 (état vrai) ; (d) le 05/09, p.146 ,
état vrai (a, b) et d'ébauche (c, d) pour l'hiver, p.146 ,
état vrai (a, b) et d'ébauche (c, d) pour l'été, p.147 ,
Observation de SSH utilisée pour l'expérience d'hiver (a) et pour l'expérience d'été (b), p.148 ,
Evolution de la fonction coût (a) et de l'erreur relative de vitesse horizontale (b) pour l'expérience d'hiver, p.149 ,
Evolution de la fonction coût (a) et de l'erreur relative de vitesse (b) pour l'expérience d'été, p.149 ,
Cartes de SSH et de FSLE binarisé de trois états de l'échantillon associé à P b (a, b, c ; d, e, f), à P a1 (g, h, i ; j, k, l) et à P a2 (m, n, o ; p, q, r), p.152 ,
Cartes de SSH et de FSLE binarisé de trois états de l'échantillon associé à P b (a, b, c ; d, e, f), à P a1 (g, h, i ; j, k, l) et à P a2 (m, n, o ; p, q, r), p.152 ,
, 40 mètres de profondeur de : (a, d) vitesse horizontale ; (b, e) vorticité ; (c, f) vitesse verticale pour l'hiver (7 mars 2013) (première ligne) et pour l'été (1 septembre 2013) (deuxième ligne), p.153
à P b (b, f), à P a1 (c, g) et à P a2 (d, h) pour l'hiver (première ligne) et pour l'été (seconde ligne) Seuil utilisé s = 10 ?5 s ?1 pour, p.154 ,
à P b (b, f), à P a1 (c, g) et à P a2 (d, h) pour l'hiver (première ligne) et pour l'hiver (seconde ligne) Seuil utilisé s = 10, Cartes de probabilité des vitesses verticales associées, p.154 ,
, Liste des figures
à P b (b, f), à P a1 (c, g) et à P a2 (d, h) pour l'hiver (première ligne) et pour l'été (seconde ligne) Seuil utilisé s = 10, p.155 ,
Dans les quatre figures ci-dessus nous montrons : (i) le profil de l'état vrai représenté par le profil noir ; (ii) profils correspondant à 10 états différents de chaque ensemble (profils bleus pour P b , profils rouges pour P a1 , et verts pour P a2 ), Profils verticaux aux positions 1 et 2 respectivement, p.157 ,
Dans les quatre figures ci-dessus nous montrons : (i) le profil de l'état vrai représenté par le profil noir ; (ii) profils correspondant à 10 états différents de chaque ensemble (profils bleus pour P b , profils rouges pour P a1 , et verts pour P a2 ), Profils verticaux aux positions 1 et 2 respectivement, p.157 ,
Le carré noir correspond à la sousrégion OSMOSIS. La ligne violette représente la position d'une section verticale à 15, Région globale des simulations NATL60, p.157 ,
Sections verticales de température et salinité à 15. o O pour : l'ébauche (a, d), l'analyse en deux étapes (b, e) et l'état vrai (c, f), p.158 ,
Sections verticales de température et salinité à 15. o O pour : l'ébauche (a, d), l'analyse en deux étapes (b, e) et l'état vrai (c, f) ,
,
, VARFMSK-5=mask_gridV.nc VAREMSK-5=4 VARVMSK-5=0
,
, VARFMSK-6=mask_gridW.nc VAREMSK-6=4 VARVMSK-6=0
,
, VARFMSK-7=mask_gridF.nc VAREMSK-7=4 VARVMSK-7=0
,
, VARFMSK-9=mask_gridF.nc VAREMSK-9=4 VARVMSK-9=0
, DTAFMSK-9=mask_gridF.nc DTAEMSK-9=4 DTAVMSK-9=0
, nc VARFGRD-5=mask_gridV.nc VARFGRD-6=mask_gridW.nc VARFGRD-7=mask_gridF.nc VARFGRD-9=mask_gridF.nc # DTAFGRD=mask_gridT.nc DTAEGRD=4 DTANGRD=3 DTAFGRD-4=mask_gridU.nc DTAFGRD-5=mask_gridV.nc DTAFGRD-6=mask_gridW.nc DTAFGRD-7=mask_gridF.nc DTAFGRD-9=mask_gridF.nc # Structure of NEMO NetCDF files, # Definition of the model grid VARFGRD=mask_gridT.nc VAREGRD=4 VARNGRD=3 VARFGRD-4=mask_gridU VARINAM-1=gridT #character string inserted in the input file n ame (in place of the '#' character) VARONAM-1=gridT #character string inserted in the output file name (in place of the '#' character) VARIFIL-1=sossheig #name of the state variable number i in input .nc files Vx VAROFIL-1=sossheig #name of the state variable number i in output .nc files Vx sesamlist_salomon Thu Dec 08 13, pp.4528-2016
, number o f variables in the file 'VARONAM' and (ii) the index of the 'VAR_NAM' variable in this file VARINAM-2=gridT VARONAM-2=gridT VARIFIL-2=vosaline VAROFIL-2=vosaline DTAIFIL-2=vosaline DTAOFIL-2=vosaline VAROPOS-2=42 VARINAM-3=gridT VARONAM-3=gridT VARIFIL-3=votemper VAROFIL-3=votemper DTAIFIL-3=votemper DTAOFIL-3=votemper VAROPOS-3=43 VARINAM-4=gridU VARONAM-4=gridU VARIFIL-4=vozocrtx VAROFIL-4=vozocrtx DTAIFIL-4=vozocrtx DTAOFIL-4=vozocrtx VAROPOS-4=11 VARINAM-5=gridV VARONAM-5=gridV VARIFIL-5=vomecrty VAROFIL-5=vomecrty DTAIFIL-5=vomecrty DTAOFIL-5=vomecrty VAROPOS, DTAIFIL-1=sossheig #Vy DTAOFIL-1=sossheig #Vy VAROPOS-1=41 #two digit integer specifying (i) the VARINAM-7=gridF VARONAM-7=gridF VARIFIL-7=vocurl VAROFIL-7=vocurl DTAIFIL-7=vocurl DTAOFIL-7=vocurl VAROPOS-7=21 VARINAM-8=gridT VARONAM-8=gridT VARIFIL-8=lapsossheig VAROFIL-8=lapsossheig DTAIFIL-8=lapsossheig DTAOFIL-8=lapsossheig VAROPOS-8=44 VARINAM-9=gridF VARONAM-9=gridF VARIFIL-9=socurl VAROFIL-9=socurl DTAIFIL-9=socurl DTAOFIL-9=socurl VAROPOS-9=22 sesamlist_salomon Thu Dec 08 13, pp.4528-2016
, VARXDIM=x #name of the X-dimension for variable number i in the .nc filesVx VARYDIM=y #name of the Y-dimension for variable number i in the .nc filesVx VARZDIM=deptht #name of the Z-dimension for variable number i in the .nc filesVx VARZDIM-4=depthu VARZDIM-5=depthv VARZDIM-6=depthw VARZDIM-7=depthu VARZDIM-9=depthu VARTDIM=time_counter #name of the T-dimension for variable number i in the .nc filesVx VARXNAM=nav_lon #name of the X variable in the grid file VARFG RD[-i] (if .nc format)Vx VARYNAM=nav_lat #name of the Y variable in the grid file VARFG RD[-i] (if .nc format)Vx DTAXNAM=nav_lon #Vy DTAYNAM=nav_lat #Vy DTAZNAM=deptht #Vy DTAZNAM-4=depthu DTAZNAM-5=depthv DTAZNAM-6=depthw DTAZNAM-7=depthu DTAZNAM-9=depthu # Description of observation database file, pp.1-11
, OBSIFIL-1:2=SLA OBSXDIM-1:2=time OBSYDIM-1:2=none OBSZDIM-1:2=none OBSTDIM-1:2=none OBSXNAM-1:2=longitude OBSYNAM-1:2=latitude
, OBSIFIL-1:3=SSH_obs OBSXDIM-1:3=x_ac OBSYDIM-1:3=time OBSZDIM-1:3=none OBSTDIM-1:3=none OBSXNAM-1:3=lon OBSYNAM-1:3=lat OBSZNAM-1, pp.3-13
, , pp.28-2016
, OBS_TIM_MAX-1:3=7
, OBSIFIL-1:4=SSH_obs OBSXDIM-1:4=time OBSYDIM-1:4=none OBSZDIM-1:4=none OBSTDIM-1:4=none OBSXNAM-1:4=lon OBSYNAM-1:4=lat OBSZNAM-1:4=none OBSTNAM-1:4=time OBSEXCL-1:4=0