27.01.2014 Views

Préface - IMO

Préface - IMO

Préface - IMO

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

AMELIORATION DES RESULTATS DE PROJECTION DE DERIVE D’UNE MAREE<br />

NOIRE PAR ASSIMILATION D’INFORMATIONS DE DETECTION DE NAPPES<br />

Sergey M. Varlamov<br />

Institut de Recherche Océanique, Université de Tokyo<br />

1-15-1 Minamidai, Nakano-ku, Tokyo, 164-8639 JAPON<br />

Shintaro Goto<br />

Faculté des Sciences Géo-environnementales, Université de Rissho<br />

Magechi 1700, Kumagaya, Saitama, Japon<br />

RESUME<br />

Dans la lutte contre les marées noires, les projections fournissent des informations uniques à ceux<br />

chargés de planifier les contre-mesures, comme par exemple la prédiction à court terme de la<br />

destination et de la propagation du pétrole sur les mers. Les principaux inconvénients des projections<br />

sont liés à des erreurs de modélisation grandissant au fur et à mesure que le temps s’écoule. Les<br />

méthodes de détection objectives fournissent, la plupart du temps, des informations tardives et<br />

limitées qui sont restreintes dans le temps (satellite), dans la zone (depuis la côte) et par les<br />

conditions climatiques (aérien) et peuvent rarement fournir des preuves de la présence de nappes<br />

immergées.<br />

La combinaison des meilleures caractéristiques des méthodes de projection et de détection peut<br />

être faite par l’assimilation des données d’observation disponibles dans les systèmes de projection<br />

des déversements. Cela permettrait de réduire les disparités entre la modélisation et l’observation de<br />

la forme et de la position des nappes de pétrole (slick) flottant à la surface.<br />

Comme ce fut réalisé pour les systèmes de simulation de déversement et de prédiction pour réagir<br />

rapidement aux déversements de pétrole dans la Mer du Japon, l’assimilation des nappes de pétrole<br />

de surface observées comprend deux types d’actions d’assimilation. Tout d’abord, une partie de la<br />

nappe de surface modélisée pourrait être relocalisée dans les positions relevées par les observateurs,<br />

ce qui préserve l’état de dégradation du pétrole et la position simulée dans d’autres zones affectées<br />

par la nappe et non couvertes par les observations. En second lieu, le pétrole en surface pourrait être<br />

enlevé de la zone sous contrôle si l’évidence « pas de pétrole » se confirmait.<br />

A titre d’exemple, la simulation de déversement du bateau-citerne Nakhodka dans la Mer du<br />

Japon en janvier 1997, avec assimilation des données de détection de pollution par le satellite<br />

canadien RADATSAT avec radar à diaphragme synthétique (SAR), est démontrée et argumentée. Les<br />

durées simulées pour que le pétrole touche la côte japonaise étaient plus proches de celles observées<br />

lorsque l’assimilation des données d’observation était effectuée<br />

INTRODUCTION<br />

Dans les cas de déversements de pétrole en mer, la simulation numérique et la prédiction des<br />

mouvements et du comportement de la nappe fournissent un ensemble considérable d’informations<br />

pour les équipes d’intervention. Pour le pétrole en nappe ou dispersé, les prévisions de déplacement et<br />

les estimations du moment d’arrivée dans des zones sensibles ne peuvent être effectuées qu’à l’aide de<br />

systèmes de projection basés sur des prévisions météorologiques pour 3 à 5 jours. L’analyse du<br />

comportement du pétrole fournit des estimations quant aux propriétés physiques (comme la viscosité<br />

et la densité de l’émulsion de pétrole), qui sont importantes pour la planification des mesures à<br />

prendre pour contrer la marée noire. L’utilisation des informations de projection peut améliorer<br />

considérablement l’efficacité des mesures et des actions entreprises dans le cadre de l’organisation des<br />

opérations de lutte contre la marée noire. Les principaux inconvénients des projections sont liés à des<br />

erreurs de modélisation s’amplifiant avec le temps et au caractère incertain de la simulation de<br />

certains paramètres, comme par exemple la concentration de polluants, etc. Les méthodes de détection<br />

en temps réel et les méthodes d’observation fournissent souvent des informations tardives et limitées.<br />

Celles-ci sont en effet restreintes par des limitations de temps (observation satellite), par la couverture

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!