Définition d’un profil exploitable

Dans le document The DART-Europe E-theses Portal (Page 136-143)

5.3 Données exploitables

5.3.1 Définition d’un profil exploitable

A cause des incertitudes liées à la correction pour compenser l’atténuation du givre, certains profils trop givrés seront écartés en fonction de l’étude réalisée. Ainsi pour une étude quantitative comme l’estimation de l’épaisseur optique d’une couche d’aérosols ou d’un nuage, et sans indication contraire, seuls les profils possédant un indice de givre supérieur à 0,1 seront retenus. En revanche pour la détection des propriétés macrophysiques des nuages (base, sommet apparent) tous les profils se-ront considérés. Afin d’éviter des valeurs aberrantes de rapport de diffusion atténué, qui est la grandeur utilisée pour détecter les nuages, les profils avec un indice de givre inférieur à 0,1 sont corrigés en considérant cette valeur d’indice.

En fonction de l’intensité du givre et de la longueur de la période certains as-pects ne pourront donc pas être étudiés par manque de données. D’autre part une longue période ne signifie par forcément beaucoup plus de données car la fréquence de mesure a été de nombreuses fois modifiée afin d’éviter une consommation inutile des batteries lors des périodes de givre intense.

Enfin pour les analyses statistiques on supprime totalement les profils dont l’in-dice de givre est inférieur à 0,005 car cela signifie dans la grande majorité des cas un hublot absolument opaque.

5.3.2 Bilan

A cause de la présence du givre et de l’inefficacité du système de chauffage tous les profils reçus lors des deux premières campagnes ne sont pas exploitables. En fonction de l’analyse réalisée (étude qualitative des aérosols et des nuages, détection des propriétés macrophysiques des nuages) tous les profils ne seront pas considérés.

Le tableau ci-dessous récapitule le nombre de profils suivant la valeur de l’indice de givre, détaillé pour chaque période en annexe I. Bien qu’une correction ait été décrite précédemment il ne faut pas oublier qu’elle s’appuie sur une hypothèse forte d’homogénéité du givre sur le hublot, ce qui est certainement totalement erronée dans certaines conditions. Par conséquent les nombres indiqués dans le tableau ne sont que le résultat d’une détection automatique, et ne préjugent en rien d’une certitude totale concernant l’exploitabilité de chaque profil.

Campagne Période Constante

(non polarisé) 80 166 105 47 14 (8,4%)

P2

-TABLEAU 5.4 – Tableau résumant le nombre de profils de chaque période, ceux totalement inexploitables et ceux possédant un indice de givre trop faible pour être utilisés dans des analyses qualitatives. Dans le cas du système polarisé la variabilité de l’indice induite par le givre ne permet pas pou l’instant de déduire quel profil peut être exploitable.

5.4 Conclusion

Les deux premières campagnes de déploiement des bouées multi-instrumentées du projet IAOOS se sont déroulées en 2014 et 2015. La première, à laquelle j’ai personnellement participé, a permis le déploiement du dernier prototype de micro-LiDAR non polarisé au niveau du camp de Barneo installé chaque année proche du pôle Nord par les Russes. Cette étape importante du projet a été précédée par un arrêt de quelques jours à Longyearbyen, au Svalbard, à l’occasion duquel certaines faiblesses mécaniques du système ont été mises en évidence. Le second déploiement s’est déroulé à l’occasion de la campagne norvégienne N-ICE en 2015 et a été la première opportunité de déployer les premiers systèmes entièrement réalisés par les industriels et assemblés à la PIT (Plateforme d’Integration et de Test de l’Obser-vatoire de Versailles Saint-Quentin-en-Yveline), notamment la version polarisée du LiDAR.

Ces deux campagnes ont différé par de nombreux aspects. La première a repré-senté un test complet dans des conditions normalement prévues pour l’ensemble des systèmes, c’est à dire un déploiement suivi d’une dérive en autonomie totale sans possibilité d’intervention sur la bouée, et notamment sur le LiDAR. Cette dérive a duré près de 8 mois, de mi-avril 2014 à fin novembre 2014, avec un très bon fonctionnement du LiDAR en termes de communications satellite ascendantes et descendantes. Le déroulement de la campagne N-ICE a en revanche permis une observation prolongée des premières bouées, produites par les industriels et assem-blées par la PIT, pendant leur fonctionnement. En effet l’intérêt de cette campagne résidait dans la prise en glace du bateau scientifique norvégien, le LANCE, permet-tant ainsi aux scientifiques à bord de réaliser des mesures journalières concernant l’océan, la glace et l’atmosphère. Les bouées ont alors été déployées dans la glace à

5.4. Conclusion 127

proximité du navire pendant des petites périodes de fin janvier 2015 à début juin 2015. Elles ont en effet parfois dû et pu être récupérées en fonction des levées de camp nécessaires lors de formation de crêtes de compression et de leads dans les environs.

La première campagne a été l’occasion de mettre en évidence les inclinaisons que pouvaient subir la bouée au cours d’une dérive, ce qui signifie une portée limitée en altitude mais une meilleure résolution du LiDAR dans les très basses couches, contrairement à la seconde campagne durant laquelle les bouées étaient la majorité du temps verticales dans la glace à proximité du navire. Ces campagnes ont éga-lement mis en évidence un manque d’efficacité du système de chauffage du hublot, conduisant à la formation de givre, particulièrement fréquent et intense à la fin de l’automne et en hiver comme l’ont indiqué les données LiDAR des deux déploie-ments mais également les observations de l’équipe scientifique lors de la seconde campagne.

Ce givre modifie la constante système et remet donc en cause l’étalonnage d’un profil à l’autre. Néanmoins une relation a pu être établie entre l’augmentation liée au givre de l’intensité du signal de diffusion au niveau du hublot et la diminution de la constante système effective, dans des cas de givre limité. Afin d’établir une correction des profils pour lesquels la méthode d’étalonnage moléculaire pouvait être appliquée ont été sélectionnés. Cette sélection s’est faite de manière automa-tique dans un premier temps en utilisant le profil d’écart type sur les 10 minutes d’observation présent dans chaque fichier LiDAR. Une vérification individuelle des profils a ensuite été réalisée pour s’assurer de l’absence d’aérosols sur certaines zones d’altitude. Une correction additionnelle dans la procédure d’étalonnage a alors été déduite à partir des valeurs normalisées des constantes systèmes et des signaux de diffusion sur le hublot, permettant d’avoir une estimation plus précise de la constante système effective pour les profils présentant un phénomène de givre faible à modéré limitant les incertitudes.

Dans le cas de la campagne Barneo la constante système dans les cas de hublot clair a été estimée à 68±10% (55±10% spécifiquement pour la seconde période), et pour la campagne N-ICE à 82±10% et 50±10% respectivement pour le premier et second déploiement du système non polarisé.

Chapitre 6

6.2.1 Aérosols/précipitations glacées/poussières cristallines. . . 143 6.2.1.1 Hypothèse sur le rapport LiDAR. . . 143 6.2.2.2 Détermination et confirmation de η d’après Platt et

MOMO . . . 155 6.2.2.3 Détermination des épaisseurs optiques des nuages . . . 156 6.2.2.4 Détermination des épaisseurs optiques des précipitations163 6.2.2.5 Bilan . . . 164 6.2.3 Analyses connexes et couplage avec les observations spatiales . . 166 6.2.3.1 Origine des aérosols . . . 166

131

Ce chapitre présente les analyses réalisées et les premiers résultats obtenus à par-tir des données atmosphériques LiDAR, à l’issue des deux premiers déploiements de bouées multi-instrumentées du projet IAOOS. Après avoir réalisé une première classification des signaux, les cas d’aérosols détectés sont présentés et, sous certaines hypothèses, leur épaisseur optique est calculée. Les propriétés macrophysiques (base, sommet) et optiques (épaisseur optique) des nuages sont également étudiées. Enfin une estimation des flux radiatifs à la surface est réalisée, en comparant les estima-tions utilisant différentes observaestima-tions réalisées par la bouée aux réanalyses et aux sorties du modèle WRF (Weather Research and Forecasting Model).

6.1 Classification

Dans le document The DART-Europe E-theses Portal (Page 136-143)