Qu’est-ce que l’innovation ?
La différence entre l’observation et la première estimation
W
Comment on définit les poids optimaux ?
Ils sont donnés par la variance de l’erreur de la première estimation multipliée par l’inverse de la variance de l’erreur totale
Comment on définit les poids optimaux ?
C’est la somme de la précision de la première estimation et des observations
Quelles sont les erreurs possibles de la première estimation (sigma b)?
- Climatologique
- Interpolation optimal
- Filtre de Kalman
- Filtre de Kalman ensembliste (EnKF)
Pourquoi le calcul de l’innovation (To-Tb) est difficile ?
-On a moins d’observations que de points de grilles du modèle
Quelles sont les dimensions du modèle ?
10^8
Quelles sont les dimensions d’observations ?
10^6
Comment calculer le terme de l’innovation (To-Tb) ? Quelle est l’option préférable ?
2 options :
- Ramener les observations dans la grille du modèle
- Ramener la première estimation vers les points d’observations
La 2ème option est préférable
Pourquoi est-il préférable de ramener la première estimation vers les points d’observations ?
- Il y a plus de niveaux verticales que de radiance alors on a plus d’informations pour aller dans une direction que dans l’autre
- Il est plus facile de déterminer les erreurs des radiance que les erreurs des radiance converties en autres variables du modèle
Quel est le symbole de l’opérateur d’observations
H(Tb):Rn->Rp
Quels sont les 2 objectifs de l’opérateur d’observation ?
- interpoler les valeurs de la grille du modèle vers les points des observations en utilisant l’interpolation optimale
- Convertir les variables modèle dans des variables mesurées -> Pour estimer des radiances, on utilise des équations de transfert radiatif avec des profils simulées de températures et d’humidité
Comment déterminer la matrice des poids W?
- Interpolation optimale : On minimise des erreurs quadratiques de l’analyse
- Fonction de gain (J) :
Pourquoi est-ce qu’on suppose que les estimations statistiques des erreurs sont exactes ?
- Les erreur de la première estimation et/ou d’observations sont mal connues
- Les erreurs sont non-biaisées
- Les erreurs d’observations et de la première estimation ne sont pas corrélée
Qu’est-ce qui arrive si l’une de ces 3 hypothèses est fausse ?
La précision de l’analyse peut être pire que ce qu’implique la précision de l’analyse
Quelle est la principale différence entre entre les équations utilisées dans l’assimilation des données selon le filtre de Kalman et l’interpolation optimale ?
Dans l’interpolation optimale, on suppose que B est constant
Avec le filtre de Kalman, on calcul B en utilisant le modèle M et l’analyse à temps t
