L'objectif de ce travail consiste à explorer les potentialités de méthodes d'estimation statistique séquentielle afin d'assimiler des observations dans un modèle biologique de production primaire, couplé à un modèle hydrodynamique unidimensionnel vertical, caractérisé par une fermeture turbulente de type k¿l. La méthode d'assimilation est dérivée du filtre SEEK (Singular Evolutive Extended Kalman filter), qui utilise pour la statistique d'erreur une base réduite représentée par des fonctions empiriques orthogonales (EOFs) multivariées. Des expériences d'assimilation de données réelles collectées en mer ont été réalisées afin de reconstruire de façon réaliste la variabilité de l'écosystème de la mer Ligure durant les campagnes FRONTAL.

The objective is to explore the potentialities of sequential statistical estimation methods to assimilate observations in a primary production biological model coupled to a vertical 1D hydrodynamical model characterised by a k-l turbulent closure. The assimilation method is derived from the SEEK filter (Singular Evolutive Extended Kalman filter), which uses an error subspace represented by multivariate empirical orthogonal functions (EOFs). Real data assimilation experiments collected at sea have been realised to reconstruct the variability of the Ligurian Sea ecosystem during the FRONTAL field experiment.