Nous allons maintenant étudier l'utilité du nudging rétrograde
dans la reconstitution de l'état initial. En assimilation
variationnelle de données, le principal problème est la
reconstitution de l'état initial de la période
d'assimilation. Celle-ci est souvent partielle, et a actuellement un
coût de mise en
uvre très élevé. Or, comme nous l'avons
vu dans les paragraphes précédents, le nudging rétrograde permet
d'estimer l'état correspondant au début de la période
d'assimilation à partir d'une estimation de l'état final. Nous
allons étudier numériquement la qualité de cette reconstitution.
Le modèle quasi-géostrophique barotrope a de nouveau été
intégré sur quelques années (cette fois-ci un peu plus longtemps
afin d'avoir plus d'instabilités dans les champs pour voir comment
se comportent les méthodes de nudging dans ce genre de cas) afin
d'obtenir un champ que l'on pourra qualifier d'état du système au
temps
, avec
toujours égal à deux mois. Sur l'intervalle
de temps
pendant lequel le modèle a été numériquement
intégré, des observations complètes (toujours biaisées de la
même façon que précédemment) du système ont été relevées tous
les deux jours. On obtient à la fin de l'intégration le champ
correspondant à l'instant 0
. La figure 4.16 montre
les champs obtenus aux instants
et 0
.
Généralement, l'estimation de l'état initial est mauvaise, et
pour en tenir compte, nous avons pris comme estimation de départ de
l'état initial, l'état du système à l'instant
, donc
l'état réel du système, mais deux mois auparavant. Afin
d'appliquer le nudging rétrograde, nous devons commencer par
intégrer le modèle dans le sens direct sur une période de deux
mois, donc jusqu'au temps 0
. Alors, en utilisant les observations
disponibles tout au long de la période d'assimilation, le nudging
rétrograde permettra d'obtenir une nouvelle estimation de l'état
initial. Il y a deux solutions pour obtenir une estimation de l'état
au temps 0
à partir de celle au temps
, qui est a priori
très inexacte : intégrer le modèle direct, avec ou sans nudging.