Une méthode dʼassimilation variationnelle de données est appliquée à un modèle simplifié dʼécosystème marin de type NPZ (Nutriment Phytoplancton Zooplancton) impliquant cinq paramètres. Cette méthode permet dʼoptimiser ces paramètres par un processus itératif de minimisation dʼune fonction de coût quantifiant lʼécart quadratique entre observations et résultats de simulation. La première partie de cette note décrit comment obtenir le modèle adjoint du modèle NPZ permettant de calculer le gradient de cette fonction de coût vis-à-vis des paramètres. Deux expériences dʼassimilation de données artificielles permettent ensuite dʼillustrer lʼefficacité de cette méthode, mais aussi ses limitations, dues aux non-linéarités et aux problèmes de sensibilité du modèle aux paramètres. Pour citer cet article : Y. Leredde et al., C. R. Geoscience 337 (2005).

A variational data assimilation method is applied to a simplified marine ecosystem model of NPZ (Nutrient Phytoplankton Zooplankton) type, which implies five parameters. The method allows us to optimise these parameters by an iterative process of minimisation of a cost function which quantifies the quadratic discrepancy between observations and simulation results. The first part of this note describes how to obtain the adjoint model of the NPZ model allowing us to compute the gradient of the cost function relative to the parameters. Two experiments of artificial data assimilation then show the efficiency of this method, but also its limitations because of non-linearities and sensitivity problems of the model relative to the parameters. To cite this article: Y. Leredde et al., C. R. Geoscience 337 (2005).