Assimilation de données et modélisation stochastique dans la réanalyse des données géomagnétiques satellitaires

par Olivier Barrois

Thèse de doctorat en Sciences de la Terre et de l'Univers et de l'Environnement

Sous la direction de Nicolas Gillet.

Soutenue le 12-10-2017

à Grenoble Alpes , dans le cadre de École doctorale terre, univers, environnement (Grenoble) , en partenariat avec Institut des Sciences de la Terre (Grenoble) (laboratoire) .

Le président du jury était Marie-Pierre Doin.

Le jury était composé de Peter Olson, Mioara Mandea-Alexandrescu.

Les rapporteurs étaient Vincent Lesur.


  • Résumé

    Cette thèse, intitulée "Assimilation de données et modélisation stochastique dans la réanalyse des données géomagnétiques satellitaires", propose de retrouver des informations sur l'état du noyau terrestre à la frontière noyau-manteau, en combinant, d'une part, des contraintes spatiales issues de modélisations numériques directes, et d'autre part, des informations temporelles provenant d'équations stochastiques.Cet objectif est réalisé grâce à l'utilisation de méthodes inverses, et à la construction d'un algorithme d'assimilation de données à état augmenté.L'algorithme répond à la double volonté d'être flexible, c'est-à-dire de pouvoir intégrer plusieurs sources de données ou d'informations, et simple d'utilisation, c'est-à-dire d'être peu coûteux en temps de calcul et facilement modifiable.Ce travail s'inscrit dans la continuité des études menées par la communauté en assimilation de données géomagnétiques, ainsi que dans l'opportunité d'utiliser les dernières données satellitaires provenant de la récente mission Swarm (2014-....).Il a été effectué en collaboration avec Julien Aubert (IPGP), qui a fourni les contraintes spatiales issues du modèle Coupled-Earth, ainsi qu'avec Christopher C. Finlay (DTU) et Magnus Hammer (DTU), qui ont fourni les données satellitaires et d'observatoires au sol.Les principaux aboutissements de cette thèse sont la conception d'un algorithme simple et fonctionnel, validé lors d'expériences jumelles synthétiques (publié), et appliqué tout d'abord aux coefficients de Gauss d'un modèle géomagnétique, avant d'être étendu vers les données satellitaires des missions CHAMP et Swarm.Mon algorithme est capable de retrouver de l'information sur les quantités mesurées du noyau mais également sur des quantités non-observées telles que les écoulements du fer liquide ou la diffusion magnétique.Ce travail amène également à la production d'un modèle de champ magnétique et de champ de vitesse à la frontière noyau-manteau qui n'est pas classiquement régularisé.Ce modèle géomagnétique montre des résultats globalement similaires au modèle de référence CHAOS-6, et est cohérent avec les autres travaux de la communauté.Ainsi, les cartes de champ magnétique et de vitesse obtenues à la surface du noyau attestent que le champ magnétique est majoritairement dirigé par l'advection, et confirment la présence persistante d'un gyre équatorial associé avec un hémisphère Pacifique plus calme mais plus dynamique pour le champ de vitesse.La diffusion magnétique retrouvée est concentrée sous l'Indonésie et l'Océan Indien.Fondamentalement, ma thèse démontre l'importance de la prise en compte des erreurs de modélisation dans l'assimilation de données géomagnétiques, avec l'apparition de biais importants et une sous-estimation des erreurs a posteriori lorsque ces erreurs sont négligées.Finalement, le travail présenté tout au long de ce manuscrit restant préliminaire, il ouvre la voie vers une utilisation accrue des mesures géomagnétiques, avec notamment la future publication d'un code libre qui permettra la comparaison systématique des résultats obtenus avec ceux de la communauté.

  • Titre traduit

    Data assimilation and stochastic modeling in geomagnetic satellite data reanalys


  • Résumé

    This thesis, entitled {sc Data Assimilation and Stochastic Modelling in Geomagnetic Satellite Data Reanalysis}, intends to retrieve information on the state of the Earth's core at the Core-Mantle-Boundary, by combining, first, spatial constraints coming from direct numerical simulations, and second, temporal information coming from stochastic equations.This purpose is achieved through inverse methods and a data assimilation augmented state algorithm.The proposed algorithm is designed to be flexible, textit{i.e.} able to integrate several types of data or constraints, and to be simple, textit{i.e.} with low computation time and easy to modify.This work fits in with the other studies on the geomagnetic data assimilation of the community, and with the opportunity to use the last satellite data from Swarm spacecraft (2014-....).We have worked in collaboration with Julien Aubert (IPGP), who has provided the spatial constraints from Coupled-Earth dynamo, and with Christopher C. Finlay (DTU) and Magnus Hammer (DTU), who have provided the satellites and ground observatories data.The major outcomes of this thesis are the design of a functional algorithm, validated through synthetic twin experiments (published), and applied, first, to the Gauss coefficients of a geomagnetic model, and second, to the measures of the CHAMP and Swarm missions.My algorithm is able to retrieve information, not only on the measured quantities, but also on the unobserved quantities like the core flows or the magnetic diffusion.This work has led to the production of a magnetic field and core flows model at the core surface which is not classically regularized.The geomagnetic field model shows results that are globally similar to the CHAOS-6 reference field model, and that are coherent with the other studies of the community.Thus, the maps of the magnetic field and the velocity field obtained, confirm that the dipole decay is principally driven by advection, and display the persistent presence of the Atlantic gyre associated with a Pacific hemisphere less energetic.The inverted magnetic diffusion is concentrated under Indonesia and Indian Ocean.Fundamentally, my thesis demonstrate the importance of taking into account the modelling errors in the geomagnetic data assimilation, which leads to strong biases and an underestimation of the textit{a posteriori} errors when those errors are neglected.Finally, the work presented in this manuscript is preliminary, and it paves the way toward an increased use of the satellite data, with in particular, the free release of my code in order to compared the results with the ones obtained by the community.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Savoie Mont Blanc (Chambéry-Annecy). Service commun de la documentation et des bibliothèques universitaires. Bibliothèque électronique.
  • Bibliothèque : Service Interétablissement de Documentation. LLSH Collections numériques.
  • Bibliothèque : Service interétablissements de Documentation. STM. Collections numériques.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.