Détermination de deux régressions inter-canaux sur la base TIGR 127

Chacun des canaux 8, 10, 18 et 19 porte en lui plusieurs signatures : celle de la température, prédominante, celle de la vapeur d’eau (en particulier pour le canal 10), mais qui est corrélée à la température, celle de la surface (température et émissivité, qui peut être très variable au-dessus des continents), et enfin la signature des aéro-sols, c’est-à-dire de leur épaisseur optique et de leur altitude. Dans un premier temps, nous nous plaçons sur mer, où l’émissivité de surface, pour une visée au nadir, est très faiblement variable (0.98).

Pour accéder à la signature des aérosols, il faut donc s’affranchir de la signature des autres composants du milieu observé. Une possibilité est de déterminer sur un grand nombre de situations atmosphériques une régression entre plusieurs canaux. L’idée est de trouver une fonctionf non identiquement nulle, par exemple une fonc-tion linéaire, tout simplement, telle que f (T B1, T B2, T B3, ...) s’annulle (ou soit ussi

proche que possible de 0) sur le sous-ensemble des situations atmosphériques claires (sans nuage, sans aérosols) considéré. La fonctionf est déterminée sur la base TIGR, au moyen d’une subroutine de régression. Une fois que la fonctionf est déterminée, quand on l’applique à un jeu de TB observées, si la situation est claire, alors f doit être très proche de 0. Par contre, s’il y a des aérosols (ou des nuages résiduels, ou une autre variable atmosphérique non représentée dans la base TIGR), la fonctionf peut s’écarter sensiblement de 0. Si l’on fait l’hypothèse que toutes les sources possibles de variabilité atmosphérique, sauf la présence de nuages ou aérosols, sont incluses dans le sous-ensemble sur lequel la fonctionf est déterminée (c’est-à-dire sur TIGR), alors f sera corrélée à la seule dimension restante, c’est-à-dire à la présence de nuages ou aérosols.

Dans un premier temps, un essai de régression linéaire entre les canaux 8, 10, 18 et 19 s’est avéré infructueux, car la signature des aérosols sur la régression (c’est-à-dire la valeur maximale atteinte par la fonctionf ) était de l’ordre de quelques dixièmes de K, donc trop proche du niveau de bruit de l’instrument. De plus, plus le nombre de canaux utilisés est élevé, plus l’erreur sur la fonction f , causée par le bruit ins-trumental de chaque canal, est élevée. Comme le canal 19 est très proche du canal 18, et que les émissivités de surface, que nous utiliserons plus loin, ont été inversées avec les observations des canaux 8, 10 et 18, nous nous concentrons maintenant sur ces 3 derniers canaux.

Une solution simple consiste à n’utiliser que deux canaux, et la régression linéaire se réduit alors à une différence entre deux canaux. En effet, si l’on considère, par exemple, la différence TB10-TB8, comme le canal 8 est très sensible aux poussières et le canal 10 très peu, alors cette différence peut révéler la présence d’aérosols. Cette piste très simple permettant d’obtenir une indication sur la présence de pous-sières avait déjà été envisagée pour HIRS par [Ackerman (1989), Ackerman (1997), Wald et al.(1998)]. Cependant, ces études n’ont donné lieu qu’à quelques études de cas, et ont montré que la détection des poussières par différences est très dépen-dante de l’épisode d’aérosols considéré. En effet, la figure 5.3 (haut) montre, à titre d’exemple, que la différence TB10-TB8 est également très sensible à la température de surface (jusqu’à 7 ou 8 K comparés à l’effet attendu des poussières qui est de l’ordre de quelques K), même si une partie de la variabilité atmosphérique est gommée par la différence. C’est là qu’intervient toute la richesse de la base TOVS/Path-B, puisque pour chaque observation TOVS, on a, parmi les produits de l’inversion, la tempéra-ture de surface. La nouvelle stratégie pour détecter les aérosols consiste à prédire TB8-TB10 en fonction de la température de surface (par une simple régression li-néaire, correspondant à la droite de la figure 5.3 (haut)). La valeur r de la régression est :

r = T B(10) − T B(8) − (aTsurf + b) (5.1) Le tracé du bas de la même figure permet de vérifier que la régressionr obtenue n’est pas sensible à la vapeur d’eau.

Remarquons que l’estimation de la température de surface peut elle-même être affectée par la présence des aérosols. Cependant, cette estimation utilise les mesures

-10 -9 -8 -7 -6 -5 -4 270 275 280 285 290 295 300 305 310 315 TB10-TB8 (TIGR tropical) Temperature de surface (K) -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 0 1 2 3 4 5 6 7 8 9 r (TIGR tropical)

Contenu total en vapeur d’eau (cm) FIG. 5.3 – (haut) : Détermination de la ré-gression linéaire entre TB10-TB8 et la tem-pérature de surface. (bas) : valeur de la ré-gression (K) en fonction du contenu total en vapeur d’eau de l’atmosphère. Chaque point représente l’une des 872 atmosphères TIGR tropicales. -20 -18 -16 -14 -12 -10 -8 -6 -4 270 275 280 285 290 295 300 305 310 315 TB10-TB18 (TIGR tropical) Temperature de surface (K) -6 -4 -2 0 2 4 6 8 10 0 1 2 3 4 5 6 7 8 9 r2 (TIGR tropical)

Contenu total en vapeur d’eau (K) FIG. 5.4 – (haut) : Détermination de la ré-gression linéaire entre TB10-TB18 et la tem-pérature de surface. (bas) : valeur de la ré-gression (K) en fonction du contenu total en vapeur d’eau de l’atmosphère. Chaque point représente l’une des 872 atmosphères TIGR tropicales.

d’un plus grand nombre de canaux HIRS (dont certains peu sensibles aux aérosols) et des canaux micro-ondes MSU non affectés par les aérosols, nous pensons donc que cette contamination est négligeable. Une possibilité serait de mettre en place un algorithme récursif : une fois la signature des aérosols déterminés, on pourrait estimer à nouveau T_surf puis r, et ce plusieurs fois si nécessaire. Un tel procédé ralentirait beaucoup les calculs, et n’est pas applicable simplement à l’heure actuelle, car nous nous contentons de lire les archives de la base TOVS/Path-B et non pas de faire tourner l’algorithme "3I".

Bien qu’elle permette de détecter les poussières désertiques, la régression r ne fournit qu’un indice d’aérosol et ne représente pas directement une grandeur géophy-sique. La valeur que prend r dépend à la fois de l’épaisseur optique et de l’altitude des poussières. Il faut donc déterminer un second indice d’aérosol qui permette de séparer les contributions de l’AOD et de l’altitude au signal et donc de mesurer ces

deux grandeurs géophysiques. Ainsi, sur le même principe que la régression r, une deuxième régressionr2 a été déterminée entre les canaux 18 et 10. Les courbes cor-respondantes sont représentées figure 5.4. On remarque que la régressionr2 montre une sensibilité légère à la vapeur d’eau, en particulier pour les atmosphères très humides. Cette sensibilité à la vapeur d’eau sera prise en compte dans l’algorithme d’inversion comme cela est décrit dans la partie 5.1.5.

La déviation standard der (resp. r2) sur les 872 atmosphères TIGR tropicales vaut 0.59 K (resp. 1.77 K), on peut donc espérer observer le signal des poussières qui, lui, peut atteindre 4 ou 5 K environ.

5.1.3 Inversion de l’épaisseur optique et de l’altitude des poussières

Comme nous l’avons dit plus haut, les régressions r et r2 prises séparément per-mettent de détecter les aérosols, mais ne représentent pas une grandeur géophy-sique qui soit utilisable directement pour des études climatiques. Chaque régression contient a priori le signal mélangé de l’épaisseur optique des aérosols et de leur alti-tude (cf partie 3.4). Cependant, le canal 8 est situé dans la bande 8-12 µm, le canal 18 dans la bande à 4µm, et l’on a vu (partie 3.4.3) que ces deux bandes ne présentent pas les mêmes sensibilités à l’AOD et à l’altitude.

La figure 5.5 montre que l’altitude des poussières n’a pas d’effet sur la régression r2, alors que la régression r est sensible à la fois à l’AOD et à l’altitude. De ce résultat, on peut déduire un algorithme pour inverser ces deux propriétés des poussières :

– l’épaisseur optique δ est proportionnelle à la valeur de r. Le coefficient de pro-portionnalité peut être déduit de la figure 5.5 (en bas à gauche).

– Etant connue l’AOD etr, l’altitude z peut être déduite de r2 de façon linéaire. Cette inversion correspond au système d’équation :

δ = ^r2

3.5478 ^(5.2)

z = ^r/δ

0.997 ^(5.3)

oùz s’exprime en km.