Accounting for correlated observation errors in image data assimilation
Résumé
Satellites images can provide a lot of information on the earth system evolution. Although those sequences are frequently used, the importance of spatial error correlation are rarely taken into account in practice. This results in discarding a huge part of the information content of satellite image sequences. In this paper, we investigate a method based on wavelet or curvelet transforms to represent (at an affordable cost) some of the observation error correlation in a data assimilation context. We address the topic of monitoring the initial state of a system through the variational assimilation of images corrupted by a spatially correlated noise. The feasibility and the reliability of the approach is demonstrated in an academic context.
Les images satellites sont une source importante d'information sur l'évolution du système terre. Bien que ces séquences d'images soient de plus en plus utilisées, l'importance des corrélations spatiales entre les erreurs présentes en leur sein est rarement prise en compte en pratique. Cela conduit à une sous utilisation de l'information contenue dans ces données. Dans cet article, une nouvelle manière (peu coûteuse) d'intégrer cette information dans le cadre de l'assimilation de données est proposée. Le problème de l'utilisation d'images corrompues par un bruit fortement corrélé en espace afin de contrôler l'état initial du système est abordé. La faisabilité et la pertinence de l'approche proposée est démontrée dans le cadre d'une configuration académique.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...