Les données satellitaires représentent aujourd'hui la vaste majorité des observations assimilées dans les modèles de prévision numérique du temps. Leur exploitation reste cependant sous-optimale, seulement 10% du volume total est assimilé en opérationnel. Environ 80% des données infrarouges étant affectées par les nuages, il est primordial de développer l'assimilation des observations satellitaires dans les zones nuageuses. L'exploitation du sondeur hyperspectral infrarouge IASI a déjà permis une amélioration des prévisions météorologiques grâce à sa précision et son contenu en information jamais inégalés. Son utilisation dans les zones nuageuses reste cependant très complexe à cause de la forte non-linéarité des processus nuageux dans l'infrarouge. Cette thèse propose donc une méthode permettant d'exploiter au mieux les observations nuageuses du sondeur IASI. Un modèle de transfert radiatif avancé utilisant les propriétés microphysiques du nuage a été évalué. Cette méthode présente l'avantage majeur d'utiliser les profils de condensats nuageux produits par les modèles de prévision. Grâce à ce nouveau schéma, les profils de contenus en eau nuageuse ont pu être inversés avec succès à partir des observations IASI et d'un schéma d'assimilation variationnelle uni-dimensionnel (1D-Var). L'impact de ces observations en termes d'analyse et d'évolution des variables nuageuses dans le modèle de prévision a aussi été évalué. Cette étude est une première évaluation du choix des variables de contrôle utilisées lors des inversions. Un modèle simplifié uni-colonne du modèle de prévision AROME a permis de faire évoluer les profils analysés par le 1D-Var sur une période de trois heures. Des résultats prometteurs ont montré la bonne conservation de l'incrément d'analyse pendant plus d'une heure et demie de prévision. La formation des systèmes fortement précipitants étant fortement liée aux contenus en eau nuageuse, ces résultats encourageants laissent entrevoir des retombées majeures pour la prévision des évènements de pluie intense et les applications de prévision numérique à très courte échéance. / Nowadays, most data assimilated in numerical weather prediction come from satellite observations. However, the exploitation of satellite data is still sub-optimal with only 10 to 15% of these data assimilated operationally. Keeping in mind that about 80% of infrared data are affected by clouds, it is a priority to develop the assimilation of cloud-affected satellite data. The hyperspectral infrared sounder IASI has already contributed to the improvement of weather forecasts thanks to its far better spectral resolution and information content compared to previous instruments. The use of cloud-affected IASI radiances is still very complicated due to the high non-linearity of clouds in the infrared. This PhD work suggests an innovative way to take advantage of cloud-affected radiances observed by IASI. An advanced radiative transfer model using cloud microphysical properties has been evaluated. This method has the advantage of using cloud water content profiles directly produced by numerical weather prediction models. Thanks to this new scheme, profiles of cloud water contents have been successfully retrieved from IASI cloud-affected radiances with a one dimensional variational assimilation scheme (1D-Var). The impact of these data in terms of analysis and evolution of cloud variables has been evaluated in a numerical weather prediction model. This study is the first step in evaluating the choice that has been made for the control variables used during the retrievals. A simplified one-dimensional version of the AROME model was used to run three-hour forecasts from the 1D-Var analysed profiles. Promising results have shown a good maintenance of the analysis increment during more than one hour and a half of forecast. In regard to these encouraging results, a positive impact on nearcasting applications and forecasts of heavy rainfall events, which are highly coupled to cloud variables, can be expected in the future.

Cette thèse s’inscrit dans la problématique de l’utilisation des observations satellitaires pour l’assimilation en prévision numérique du temps dans les régions nuageuses pluvieuses. Les travaux sont abordés en lien avec l’amélioration de la prévision des cyclones tropicaux et s’appuient sur la mission satellitaire innovante MEGHATROPIQUES couvrant les zones tropicales avec une répétitivité temporelle inégalée et en particulier sur le sondeur micro-ondes d’humidité SAPHIR à 183 GHz. Nous avons utilisé le modèle de prévision numérique du temps ALADIN-Réunion opérationnel à Météo-France depuis 2006 dont le domaine couvre une large partie de l’océan Indien avec une résolution horizontale de 8 km, ainsi que le modèle de transfert radiatif RTTOV-SCATT qui offre un bon compromis entre sa précision pour décrire les atmosphères diffusantes et sa rapidité d’exécution. Dans un premier temps nous avons optimisé le choix des propriétés radiatives des précipitations solides afin de simuler au mieux les températures de brillance SAPHIR avec les modèles ALADIN-Réunion et RTTOV-SCATT. Nous avons ensuite proposé une méthode d’inversion des températures de brillance SAPHIR en zones nuageuses basée sur une méthode bayésienne permettant de restituer des profils atmosphériques corrigés. Ces profils inversés ont été validés pour une situation particulière associée au cyclone Benilde (Décembre 2011). Les profils d’humidité spécifique ont alors été introduits comme de nouvelles observations dans l’assimilation variationnelle tridimensionnelle (3D-Var) du modèle ALADIN-Réunion. La capacité du système 3D-Var à contraindre le champ d’humidité analysé vers les profils inversés est démontrée, ainsi que l’amélioration des prévisions de précipitations à courte échéance. Toutefois, la prévision du cyclone Benilde est de moins bonne qualité avec ces observations additionnelles. Plusieurs pistes sont proposées pour expliquer et améliorer ces premiers résultats. Finalement, une étude a été réalisée pour préparer les évolutions des modèles de prévision numérique. Nous avons examiné la capacité d’une version d’ALADIN-Réunion avec un schéma de convection profonde pronostique à simuler le cycle de vie du cyclone Bejisa (Décembre 2013 - Janvier 2014). Des améliorations significatives sont notées à la fois sur la trajectoire et l’intensification de ce système tropical. De manière cohérente, la simulation des températures de brillance SAPHIR en zones nuageuses est en meilleur accord avec les observations. Un modèle à plus fine échelle (AROME) résolvant explicitement la convection profonde (résolution horizontale de 2.5 km) est appelé à remplacer le modèle ALADIN-Réunion. Sa capacité à décrire le système Bejisa est démontrée. Toutefois il apparaît que le choix optimal pour le type de particule décrivant les précipitations solides fait pour ALADIN-Réunion n’est pas adapté à la simulation des températures de brillance SAPHIR avec AROME et RTTOV-SCATT. Les causes de cette incohérence sont expliquées. / This thesis is focused on the use of satellite observations within cloudy and rainy areas for assimilation in numerical weather prediction models. The activities have been undertaken in the context of tropical cyclone forecasting. They have taken advantage of the recent satellite mission MEGHA-TROPIQUES covering tropical regions with an unprecedented temporal revisit with a focus on the humidity sounder SAPHIR at 183 GHz. We have used the numerical weather prediction model ALADIN-Réunion that is operational at Météo-France since 2006 and covers a large fraction of the Indian ocean with a 8 km horizontal resolution. The radiative transfer model RTTOV-SCATT has also been considered, since it provides a good compromise between its accuracy to simulate scattering atmospheres and its computational cost. In a first step, the choice of the radiative properties for solid precipitating particles has been optimized in order to improve the simulation of SAPHIR brightness temperatures with ALADIN-Réunion and RTTOV-SCATT models. Then, an inversion method of cloudy SAPHIR brightness temperatures based on the bayesian technique has been chosen in order to retrieve improved atmospheric profiles. The retrieved profiles have been validated for a case study corresponding to the tropical cyclone Benilde (December 2011). Profiles of specific humidity have been introduced as new observations in the tridimensional variational assimilation (3D-Var) system of the ALADIN-Réunion model. The capacity of the 3D-Var system to constrain the humidity analysis towards the retrieved profiles is demonstrated, together with improved short-range precipitation forecasts. On the other hand, the prediction of the tropical cyclone Benilde is degraded with these additional observations. A number of reasons are provided to explain and improve these first results. Finally, a study has been done to prepare future evolutions of numerical weather prediction models. We have examined the skill of a version of the ALADIN-Réunion model with a prognostic deep moist convection scheme to simulate the life cycle of tropical cyclone Bejisa (December 2013 - January 2014). Significant improvements have been noticed on the trajectory and on the intensification of this tropical system. Consistently, the simulation of SAPHIR brightness temperatures is in better agreement with observations. A fine scale model (AROME) describing explicitly deep moist convection is planned to replace the ALADIN-Réunion model. Its ability to describe the cyclone Bejisa is demonstrated. However, it appears that the optimal choice of the solid particle made for ALADIN-Réunion is not suited for the simulation of SAPHIR brightness temperatures with AROME and RTTOV-SCATT. Explanations are given of such inconsistency.