Comparaison entre le 4D-Var et le filtre de Kalman d'ensemble pour
l'assimilation de données radar.

Un algorithme quadri-dimensionnel variationnel (4D-Var) d'assimilation
de données est comparé à un filtre de Kalman d'ensemble (EnKF) pour
l'assimilation de données radar à l'échelle convective. Utilisant un
modèle simulant explicitement les nuages, des observations radar
imparfaites d'une cellule convective simulée sont assimilées dans un
cadre où le modèle de prévision est parfait. Dans l'ensemble, les deux
schémas d'assimilation sont capable de suivre l'évolution de la cellule
convective avec une précision comparable. Le 4D-Var produit généralement
de meilleures analyses que le EnKF pour une période d'observation
limitée à 10 minutes (correspondant à 3 temps d'observations),
principalement pour les vents. En revanche, le EnKF produit typiquement
de meilleures analyses que le 4D-Var après plusieurs cycles
d'assimilation, principalement pour les variables du modèle qui ne sont
pas reliées directement aux observations, comme la température.
L'avantage du EnKF sur le 4D-Var à mesure que l'assimilation progresse
s'explique en partie grâce au fait que le 4D-Var implémenté ici
n'utilise pas une prévision pour le terme d'ébauche dans la fonction
coût et ne fait pas évoluer l'erreur de prévision. L'avantage du 4D-Var
sur le EnKF dans les premiers cycles d'assimilation est principalement
dû à des déficiences dans l'ensemble initiale du EnKF.