Centre de documentation
scientifique

Prévisibilité du cycle du blé : Mobilisation par approche globale et assimilation de données / Sylvain Mangiarotti in Revue Française de Photogrammétrie et de Télédétection, n° 204 (Octobre 2013)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 204 (Octobre 2013) . - pp 43 - 49 Titre : Prévisibilité du cycle du blé : Mobilisation par approche globale et assimilation de données Type de document : Article/Communication Auteurs : Sylvain Mangiarotti, Auteur ; Malika Chassan, Auteur ; Laurent Drapeau, Auteur Année de publication : 2013 Conférence : AARSE 2012, 9th international conference of the African Association of Remote Sensing and the Environment 29/10/2012 02/11/2012 El Jadida Maroc open access proceedings Article en page(s) : pp 43 - 49 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] agriculture [Termes IGN] blé (céréale) [Termes IGN] chaos [Termes IGN] eau pluviale [Termes IGN] filtre de Kalman [Termes IGN] modélisation [Termes IGN] prévision Résumé : (Auteur) Il a été récemment montré que des modèles dynamiques pouvaient être directement obtenus du signal d'agriculture pluvial observé depuis l'espace. Lanalyse de ce modèle a permis de révéler un régime chaotique, c'est-à-dire à la fois déterministe et très sensible aux conditions initiales. De tels modèles ne nécessitent pas de forçage et peuvent donc être envisagés en mode prévisionnel. En contexte chaotique, une telle application nécessite le développement de méthodes adaptées afin d'ajuster au cours de l'intégration les états visités par le modèle, en cohérence avec les observations. Dans ce but, plusieurs schémas d'assimilation ont donc été développés : (a) une simple réinitialisation, (b) un filtre de Kalman étendu, (c) un filtre de Kalman d'ensemble et (d) un nudging direct et rétrograde. La prévisibilité effective a été estimée pour chacune de ces approches en se basant sur la croissance d'erreur en fonction de l'horizon de prévision. Les résultats mettent en évidence une bonne capacité prédictive du modèle lorsqu'utilisé avec les schémas d'assimilation de données les plus sophistiqués et contribue à valider le modèle. Numéro de notice : A2013-738 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.52638/rfpt.2013.20 En ligne : https://doi.org/10.52638/rfpt.2013.20 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32874 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2013041	RAB	Revue	Centre de documentation	En réserve L003	Disponible