2021-2022 / OCEA0097-1

Data assimilation and inverse methods

Durée

30h Th

Nombre de crédits

 Master en océanographie, à finalité3 crédits 

Enseignant

Alexander Barth

Langue(s) de l'unité d'enseignement

Langue anglaise

Organisation et évaluation

Enseignement au premier quadrimestre, examen en janvier

Horaire

Horaire en ligne

Unités d'enseignement prérequises et corequises

Les unités prérequises ou corequises sont présentées au sein de chaque programme

Contenus de l'unité d'enseignement

* Purpose of data assimilation and inverse methods
* Expressing uncertainty
* Origin of model and observation errors
* Reminder of static concepts: random variable, expectation, error covariance
* Sequential assimilation methods (nudging, successive corrections, optimal interpolation, 3D-Var, Kalman filter, Kalman smoother)
* Non-Sequential assimilation (4D-Var, representer method)
 

Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement

* understand various data assimilation methods
* able to conceptually define state vector, observation operator, observation vector and error covariances for a given problem
 

Savoirs et compétences prérequis

Prerequisites: http://progcours.ulg.ac.be/cocoon/cours/OCEA0036-1.html
Programming skills in Julia, Matlab/Octave, Python or similar programming languages

Activités d'apprentissage prévues et méthodes d'enseignement

A serie of lectures with exercises
 

Mode d'enseignement (présentiel, à distance, hybride)

face-to-face
 

Lectures recommandées ou obligatoires et notes de cours

Evensen, G. (2009) Data Assimilation, The Ensemble Kalman Filter, Springer http://dx.doi.org/10.1007/978-3-642-03711-5
 

Modalités d'évaluation et critères

Written report on application of a data assimilation method on a simple model
 

Stage(s)

Remarques organisationnelles

Contacts

a.barth@ulg.ac.be