| Summary: | National audience Les calottes polaires (Antarctique et Groenland), en perdant ou gagnant de la masse, jouent un rôle majeur dans l'évolution du niveau des mers. Pour estimer leur contribution future pour les 100 prochaines années, il est nécessaire de disposer de modèles d'évolution performants. Ces derniers prennent en entrée des paramètres (dont l'état initial) tels le coefficient de frottement basal, la topographie du socle rocheux, l'épaisseur de glace ou le champ de température dans la glace. Or ceux-ci sont essentiels pour prévoir le comportement des calottes sur 100 ans mais sont mal (ou pas) connus. Par contre, nous possédons un certain nombre d'observations telles la hauteur de surface, les vitesses de surfaces ou la topographie du socle (pas partout). Utiliser l'assimilation de ces données afin d'estimer au mieux les paramètres d'entrée semble pertinent dans ce cadre. Nous avons mis en place un filtre de Kalman d'ensemble LETKF (Hunt et al. 2007) afin de construire un état initial de calotte et des paramètres d'entrée optimaux grâce aux observations disponibles. Nous commençons par des expériences jumelles avec un modèle 2D d'évolution de calotte polaire nommé Winnie (le long d'une ligne d'écoulement). Ceci constitue un premier pas vers l'assimilation de données avec un modèle 3D, GRISLI. Malgré sa simplicité, la physique contenue dans Winnie est fortement non linéaire et ce modèle est un bon prototype pour tester nos méthodes. Dans le cas présent, nous essayons de retrouver les paramètres et variables suivants : coefficient de frottement basal, topographie du socle rocheux et épaisseur de glace grâce aux données simulées suivantes : altitude de la surface de la calotte, vitesses de surface et quelques observations de la topographie du socle rocheux. Nous étudions aussi la qualité des variables retrouvées à l'aide de diagnostics a posteriori.
|
|---|