Glossaire

assimilation des données

  Curieux  

L'assimilation des données est une méthode utilisée dans les modèles numériques de prévision météorologique dans le but de prendre en compte le plus possible de données d'observation pouvant contribuer à décrire l'état initial de l'atmosphère.

Avant la mise au point et l'utilisation de ce type de méthode, seules les données d'observation saisies par l'ordinateur avant le début des calculs étaient prises en compte lors de l'analyse objective qui précédait la prévision. Or, certaines de ces données parvenaient en retard au centre de calcul, ou bien étaient effectuées peu de temps après l'heure fatidique désignée pour l'observation de base : elles étaient donc perdues, puisque non intégrées dans le processus de détermination de l'état initial. Grâce aux méthodes d'assimilation des données, ces informations supplémentaires — sur la pression atmosphérique, la température, l'humidité, le vent — ne sont plus abandonnées désormais, mais peuvent être "assimilées" par l'ordinateur alors même que les calculs ont déjà commencé.

Ce type de méthode n'a pu être inséré dans les modèles numériques que depuis l'introduction opérationnelle d'une nouvelle catégorie d'ordinateurs, capables d'effectuer rapidement un nombre de calculs bien plus grand que précédemment : en effet, pour réajuster les premiers résultats (ceux que le modèle numérique vient de calculer) à la réalité mesurée en cours de route, de nombreux calculs supplémentaires doivent venir se greffer sur ceux qu'exige le modèle.


  Initié  

L'expression "assimilation des données" désigne les diverses méthodes permettant de prendre en compte, dans l'initialisation d'un modèle numérique de prévision géré par un centre météorologique, certaines données d'observation parvenues à ce centre après que le modèle a lancé ses calculs.

Ceux-ci, rappelons-le, résultent d'algorithmes très complexes et ne peuvent en principe débuter qu'une fois qu'ont été intégrées au modèle les valeurs de toutes les données météorologiques mises en jeu à l'instant initial où la prévision est lancée, c'est-à-dire à une heure synoptique déterminée. Si toutefois la prévision va au-delà du court terme, le temps de calcul devient assez long et un flot de données qui n'avaient pu être prises en compte lors du lancement des calculs vient s'accumuler dans les heures qui suivent ce lancement : certaines, bien qu'effectuées à l'heure synoptique considérée, sont parvenues en retard, d'autres font déjà partie des observations de l'heure synoptique suivante, d'autres enfin, par leur nature, ne sont pas forcément effectuées à ces heures fixes, comme les observations des satellites météorologiques, celles des radars météorologiques relatives aux précipitations, celles que certains navires ou certains avions ont relevées en cours de route, etc. Toutes ces nouvelles données d'observation sont dites asynchrones, car elles parviennent trop tôt ou trop tard par rapport au moment de l'analyse pour être intégrées dans la marche du modèle ; de plus, l'existence de certaines d'entre elles restant aléatoire, il n'est pas question d'imaginer une modification de l'heure de démarrage des calculs qui permettrait de les prendre en compte à coup sûr.

La procédure d'assimilation des données permet cependant d'insérer dans la logique du modèle cette masse souvent importante d'informations non intégrées au lancement des calculs : on compare à cette fin, à des intervalles de temps réguliers (de l'ordre de quelques heures), les valeurs que produisent les données asynchrones d'une part — une fois éliminées les données erronées — et les valeurs correspondantes qu'aurait prévues le modèle sur cette brève échéance d'autre part ; à partir des différences entre l'ébauche d'évolution de l'atmosphère ainsi fournie par le modèle et les nouvelles observations, il devient alors possible de rectifier la marche du modèle en modifiant périodiquement ses résultats de prévision à des instants déterminés, et lesdits résultats, une fois modifiés, deviennent en quelque sorte de nouvelles données initiales.

Cette procédure n'est envisageable qu'avec des ordinateurs très puissants, puisque capables de répéter ces prévisions comparatives à brève échéance et d'intégrer rapidement les résultats obtenus. L'assimilation des données doit d'autre part répondre à deux critères : savoir écarter les observations erronées, et surtout savoir évaluer de façon globale la "distance" entre les données asynchrones et l'ébauche fournie par le modèle afin d'en déduire les rectifications adéquates dans la marche de ce dernier. À cet égard, le mode le plus accompli d'assimilation des données est l' assimilation variationnelle quadridimensionnelle.