Le sondeur infrarouge hyperspectral IASI (Interféromètre Atmosphérique de Sondage Infrarouge, développé conjointement par le CNES et EUMETSAT et embarqué à bord des satellites défilants Metop A, Metop B et très prochainement Metop C (2006, 2012 et 2018, respectivement)) apporte une très grande quantité d’informations permettant, entre autres, de décrire finement les paramètres de surface (température et émissivité sur une large gamme de longueurs d’onde). Néanmoins, les prévisions de température des surfaces continentales ne sont pas encore suffisamment réalistes pour utiliser l’information infrarouge en basse troposphère et proche de la surface au-dessus des continents car les radiances sensibles à ces régions sont fortement affectées par la variation des paramètres de surface (tels que la température, l’émissivité et l’humidité) et par la présence des nuages. Ceci peut conduire à un écart parfois important entre les observations et les simulations, conduisant à un rejet important des observations et à une mauvaise détection nuageuse. De ce fait, l’objectif principal de la thèse est l’amélioration des analyses et des prévisions par l’augmentation des observations IASI assimilées sur les continents dans le modèle à aire limitée AROME. La première partie du travail s’est focalisée sur l’identification du canal IASI le plus approprié à la restitution de la tempèrature de surface (Ts). En poursuivant les travaux de thèse de [Vincensini, 2013], cinq canaux IASI localisés entre 901.50 cm−1 et 1115.75 cm−1 ont été sélectionnés pour une meilleure prise en compte des basses couches de l’atmosphère plus particulièrement en termes de température et d’humidité. La restitution de la Ts s’est faite par inversion de l’équation du transfert radiatif [Karbou et al., 2006] en utilisant le modèle de transfert radiatif RTTOV et l’atlas d’émissivité développé par l’université de Wisconsin. Le canal IASI 1194 (943.25 cm−1) a été retenu pour la restitution des Ts suite à une série de comparaisons effectuées entre la Ts restituée à partir des différents canaux IASI sélectionnés et celle de l’ébauche. Aussi, des comparaisons ont été réalisées entre les Ts restituées à partir de IASI et celles restituées à partir de SEVIRI et de AVHRR. La seconde partie du travail a reposé sur l’étude de l’impact de l’utilisation de la Ts restituée à partir du canal IASI 1194 dans les processus de simulation et d’assimilation des canaux IASI utilisés dans les modèles de prévision numérique du temps de Météo-France (AROME et ARPEGE). La Ts restituée à partir du canal IASI 1194 a été intégrée dans le modèle RTTOV pour améliorer les simulations des autres observations IASI sensibles à la surface. L’impact sur la détection nuageuse issue de l’algorithme de [McNally and Watts, 2003] a également été évalué. Par la suite, d’autres expériences ont été menés pour étudier l’impact de l’utilisation des Ts restituées sur l’assimilation de données et sur l’amélioration de la sélection des canaux IASI sur terre dans le modèle AROME. L’impact sur les analyses et les prévisions ont été également décrits. / An essential component of the numerical weather forecast is the analysis of the atmosphere, the necessary step for the definition of the initial conditions of forecasts. This analysis uses in-situ data as well as satellite observations. The current high-spectral resolution advanced infrared sounder generation includes in particular IASI (Infrared Atmospheric Sounding Interferometer, developed by CNES / EUMETSAT) onboard polar orbiting MetOp satellites. These sounders provide a large amount of information allowing to describe accurately surface parameters (such as land surface temperature ’LST’ and surface emissivity on a wide range of wavelengths). However, the forecast of continental surface temperature is not realistic enough to use the infrared information in the lower troposphere and close to the surface over continents because radiances sensitive to these regions are strongly affected by the variation of surface parameters (e.g. LST, surface emissivity and humidity) and cloud cover. This issue could produce a large difference between the observations and the simulations, also a bad cloud detection, which prompts the system to reject the observations and limits the use of these data. This PhD work aims to improve the analyses and the forecasts by increasing the assimilation of IASI observations over land in the convectivescale AROME model of Météo-France. The first part of study was focused on the identification of the appropriate IASI surface-sensitive channel for LST retrieval. By pursuing the approach developed by [Vincensini, 2013] to find surface temperature from a combination of channels, a new channel selection over land was build, to better analyse the lower layers of the atmosphere, in particular in term of temperature and humidity. LST was extracted from IASI radiances using radiative transfer equation inversion [Karbou et al., 2006], RTTOV model and a surface emissivity atlas developed by the Space Science and Engineering Center at University of Wisconsin. IASI channel 1194 was then selected to retrieve LST as a result of several comparisons with background and other IASI, SEVIRI and AVHRR LST retrievals. The retrieved LST from this channel was then used in RTTOV model to improve the simulation of IASI surface-sensitive infrared observations. The impact on the McNally & Watts cloud detection scheme has been evaluated with more clear channels inside clear pixel with LST retrieval. Data assimilation experiments using the retrieved LST and enhancing the IASI channel selection over land were carried out in the AROME-France model. Improvement of humidity analyses and forecasts will also be described.
| Identifer | oai:union.ndltd.org:theses.fr/2017INPT0065 |
| Date | 25 September 2017 |
| Creators | Boukachaba, Niama |
| Contributors | Toulouse, INPT, Guidard, Vincent, Fourrié, Nadia |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0073 seconds