Return to search

Assimilation variationnelle d'observations multi-échelles : Application à la fusion de données hétérogènes pour l'étude de la dynamique micro et macrophysique des systèmes précipitants / Variationnal assimilation of multi-scale observations : fusion of heterogeneous data for the study of dynamics of rainfall at macro and microscopic scales

D’une part, les instruments permettant de mesurer les précipitations (pluviomètres, radars, etc.) effectuent des mesures de natures différentes et à différentes échelles. Leurs données sont difficilement comparables. D’autre part, les modèles décrivant l’évolution des précipitations sont eux complexes et difficiles à paramétrer et à valider. Dans cette thèse, nous utilisons l’assimilation de données afin de coupler des observations hétérogènes des précipitations et des modèles, pour étudier les précipitations et leur variabilité spatiotemporelle à différentes échelles (macrophysique, qui s’intéresse aux cellules de pluie, et microphysique, qui s’intéresse à la distribution en taille des gouttes – DSD – qui les composent). Tout d’abord, nous développons un algorithme permettant de restituer des cartes de précipitations à partir de mesures de l’atténuation causée par la pluie à des ondes provenant de satellites de télévision. Nos restitutions sont validées par rapport à des données radar et pluviomètres sur un cas d’étude dans le sud de la France. Ensuite, nous restituons, toujours par assimilation de données, des profils verticaux de DSD et de vents verticaux à partir de mesures de flux de gouttes au sol (par disdromètres) et de spectres Doppler en altitude (par radar). Nous utilisons ces restitutions sur 3 cas d’étude pour étudier les phénomènes physiques agissant sur les gouttes de pluie durant leur chute et pour évaluer la paramétrisation de ces phénomènes dans les modèles. / On the one hand, the instruments designed to measure rainfall (rain gages, radars, etc.) perform measurements at different scales and of different natures. Their data are hard to compare. On the other hand, models simulating the evolution of rainfall are complex. It is not an easy task to parameterize and to validate them. In this thesis, we use data assimilation in order to couple heterogeneous observations of rainfall and models for studying rain and its spatiotemporal variability at different scales (macrophysical scale, which is interested in rain cells, as well as microphysical scale, which is interested in the drop size distribution – DSD). First, we develop an algorithm able to retrieve rain maps from measurements of attenuation of waves coming from TV satellites due to rainfall. Our retrievals are validated by comparison with radar and rain gages data for a case study in south of France. Second, we retrieve – again with data assimilation – vertical profiles of DSD and vertical winds from measurements of rain drop fluxes on the ground (using a disdrometer) and of Doppler spectra aloft (using a radar). We use these retrievals for 3 case studies to study the physical phenomena acting on rain drops during their fall and to evaluate the parameterization of these phenomena in models.

Identiferoai:union.ndltd.org:theses.fr/2016SACLV046
Date05 July 2016
CreatorsMercier, Francois
ContributorsParis Saclay, Barthès, Laurent
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.1045 seconds