Comparaison méthodologique pour l’assimilation de données appliquée à la simulation de la qualité des eaux de surface

Auteur.e.s

Shuaitao Wang et al.

Université

Sorbonne Université, CNRS, Mines Paris - PSL, EPHE

Résumé

Avec le développement de modèles de qualité de l’eau sophistiqués et l’amélioration de la puissance de calcul, les techniques d’assimilation de données, en particulier les méthodes d’ensemble (le filtre de Kalman d’ensemble et le filtre particulaire), attirent une attention considérable dans la modélisation de la qualité de l’eau pour améliorer l’estimation des variables d’état et la caractérisation des paramètres dans les modèles de qualité de l’eau. Le filtre de Kalman d’ensemble (EnKF) est devenu la méthode la plus populaire, tandis que le filtre particulaire (PF), qui est une méthode plus avancée, est rarement appliqué à la modélisation de la qualité de l’eau. Nous présentons ici une comparaison entre le PF et l’EnKF pour caractériser les paramètres du modèle liés au métabolisme des rivières. Les deux filtres sont implémentés dans le logiciel hydro-biogéochimique ProSe-PA et leurs performances sont évaluées via deux cas d’études synthétiques. Les résultats indiquent que le PF et l’EnKF peuvent tous les deux estimer les concentrations en oxygène dissous et la fonction de densité de probabilité a posteriori des paramètres associés, soit avec une même précision pour les deux filtres dans le cas d’un système légèrement non linéaire (réaération à l’interface air-eau), soit plus précisément pour le PF dans le cas d’un système fortement non linéaire (dégradation de la matière organique) dominé par les activités des bactéries hétérotrophes. Il est ainsi recommandé de favoriser le PF, plus précis, pour la modélisation de la qualité de l’eau.

Points clés 

  • Le filtre particulaire est plus performant que le filtre de Kalman d’ensemble pour traiter la dégradation de la matière organique en rivière ;
  • Les deux filtres sont satisfaisants pour traiter la réoxygénation de la colonne d’eau par la navigation ;
  • Les estimations des paramètres sont plus précises avec le filtre particulaire.

Les thématiques reliées