Etudes et évaluation de processus océaniques par des hiérarchies ...

2.5. MA RECHERCHE DANS LE CONTEXTE CONCEPTUEL 11
des modèles mathématiques de complexités différentes. Le premier est un modèle basé
sur les équations de Navier-Stokes avec une condition aux limites d’adhérence au fond,
la friction est alors engendrée implicitement par la dynamique interne du modèle. Le
deuxième est un modèle de Saint-Venant dans lequel les lois de friction sont paramétrées
par des termes de friction. En ajoutant un schéma d’assimilation de données au modèle
de Saint Venant et en assimilant les données du modèle de Navier-Stokes, nous avons pu
déterminer les cœfficients et lois de friction (voir 4.6 & 4.8). L’assimilation nous a permis
de connecté deux modèles mathématiques de complexité différent de façon systématique
et d’augmenter notre compréhension du processus étudié.
En systématisant la connexion horizontale de la fig. 2.1 à l’aide de l’assimilation de
données, notre structure hiérarchique devient plus claire, plus solide, plus transparente,
comme un diamant.
2.5 Ma recherche dans le contexte conceptuel
tel-00545911, version 1 - 13 Dec 2010
Dans ce contexte des différents modèles et types de modèles, réseaux et hiérarchies, les
directions et démarches de recherche sont nombreuses afin d’augmenter la compréhension
de la dynamique océanique. Dans ma recherche je me suis toujours fixé le but d’étudier
un certain nombre de processus non-linéaires de la dynamique océanique comme : le
Great Whirl (voir section 4.1), l’instabilité barocline (voir section 4.2), la convection (voir
section 4.5) et la dynamique d’un courant gravitaire (voir section 4.6 4.7 4.8 & 4.9 ).
Je travaille alors toujours sur un modèle physique en construisant moi-même toute la
structure hiérarchique associée. Le premier pas, le choix du bon modèle physique est
souvent le plus difficile demandant une bonne intuition et expertise scientifique. Ensuite,
vient le choix du ou des bons modèles mathématiques, souvent il est astucieux d’en avoir
plusieurs de complexités différentes, pour permettre une meilleur compréhension de la
dynamique étudiée.
Prenons l’exemple de mes travaux sur le Great Whirl. Ce tourbillon de 300km de
diamètre apparaît tous les ans au large de la côte Somalienne. J’ai étudié sa dynamique
dans des observation in situ, de données satellitaires, à l’aide d’un modèle de la dynamique
de l’Océan Indien basé sur les équations primitives et un modèle shallow water
avec une haute résolution spatiale dans les directions horizontales. En construisant un
modèle shallow water et en validant son comportement j’ai pu différencier entre la variabilité
inter-annuelle externe de la dynamique du Great Whirl, c.a.d. les différences de son
comportement causées par la variabilité inter-annuelle du forçage du vent, et la variabilité
interne due à la dynamique chaotique du système. Une telle différenciation est clef
pour évaluer la capacité de prévision des courants, qui dans cette région gouvernent la
production biologique. Cette différenciation est aussi essentielle pour clarifier les relations
horizontales dans une structure hiérarchique (transformer la pyramide en diamant dans
fig 2.1), pour comparer les observations d’un système chaotique aux résultats des simulations
d’une dynamique chaotique. En effet, on ne peut pas espérer que la différence entre
les observations et les résultats de simulations numériques sont inférieurs à la variabilité