Equipe de recherche MOISE

Modélisation, Observations, Identification en Sciences de l'Environnement

Présentation de l'équipe

MOISE est une équipe-projet de recherche en mathématiques appliquées et calcul scientifique. Il est centré sur le développement de méthodes mathématiques et numériques pour la modélisation directe et inverse en sciences de l'environnement (fluides géophysiques principalement). Le cadre scientifique de cette équipe-projet est la conception de systèmes complexes de prévision, notre but étant de contribuer à perfectionner ces systèmes, tout particulièrement dans les domaines environnementaux : changement climatique, systèmes de prévision atmosphérique et océanique régionale, outils d'aide à la décision dans le domaine des crues, avalanches, coulées de boue ou de lave. Ces différentes applications partagent un certain nombre de spécificités : interactions entre différentes échelles et/ou différents composants, nécessité de combiner des sources d'information hétérogènes (modèles, données, images), unicité de chaque situation. Le développement de méthodes efficaces pour de telles applications requiert de prendre ces spécificités en compte, au travers des différents aspects que sont :
  • la modélisation mathématique et numérique
  • l'assimilation de données (approches déterministe et stochastique)
  • la quantification des incertitudes.
Un point clé de cette équipe-projet est son caractère pluridisciplinaire. Les aspects de nos travaux proches des applications sont toujours réalisés en collaboration étroite avec des spécialistes des différents domaines applicatifs (géophysiciens, etc).

Axes de recherche

  • 1. Conception et optimisation de systèmes complexes de prévision : prévoir l'évolution de systèmes géophysiques requiert des modèles complexes, qui doivent parfois être couplés, et qui utilisent l'assimilation de données.
  • 2. Traitement de données hétérogènes : L'observation spatiale fournit depuis plusieurs décennies une énorme quantité d'information, qui a jusqu'à présent été utilisée plus qualitativement que quantitativement. Une direction de recherche consiste donc à tenter d'assimiler des images ou des séquences d'images dans des modèles. Un tel objectif requiert la mise au point de traitements d'images complexes et de nouvelles méthodes d'assimilation.
  • 3. Quantification des incertitudes : Parallèlement au fort développement des systèmes de prévision en géophysique, il est évidemment crucial de réussir à fournir une estimation de l'incertitude sur les prévisions fournies. Toutefois, un tel objectif est extrêmement difficile à atteindre, du fait de la complexité des systèmes. Plusieurs approches mathématiques sont possibles, faisant usage soit de méthodes variationnelles, soit de méthodes stochastiques.

Relations industrielles et internationales

  • School of Computational Sciences, Florida State University
  • Institute of Numerical Mathematics, Russian Academy of Sciences, Moscou
  • Plusieurs centres de recherche en météorologie, océanographie et assimilation de données à l'étranger

Mots-clés : Modélisation Méthodes inverses Assimilation de données Calcul scientifique Environnement

Equipes de recherche du même thème :

Siège et centres de recherche Inria

Accès direct

Social