Avec l’avènement de l’observation spatiale des nuages avec l’A-Train, les modèles peuvent être évalués par comparaison. [Jiang et al., 2012] évaluent les simulations des nuages et de la vapeur d’eau dans plusieurs modèles de climat. Les modèles étudiés font parti du CMIP5 (Coupled Model Intercomparison Project) et sont comparés aux mesures de IWP (Ice Water Path), LWP (Liquid Water Path) et CWC (Cloud Water Content) dérivées d’observations des satellites de l’A-Train.
Les auteurs évaluent l’évolution de ces modèles par rapport à leur version précédente et ils trouvent en moyenne une tendance à l’amélioration comme le montre la Figure I.11.
La Figure I.11 représente la moyenne sur plusieurs années, pour différentes latitudes, de l’IWP et du LWP pour les modèles de CMIP3 et CMIP5 et les observations de l’A-train. La bande grise correspond à la fourchette des bonnes estimations calculée à partir des données de CloudSat.
On remarque sur ce graphe que le modèle du GISS a été considérablement amélioré depuis la version précédente en terme d’IWP.
[Jiang et al., 2012] notent aussi que c’est dans la haute troposphère que l’on observe le plus de disparité entre les modèles et les plus grosses différences entre modèles et observations.
3.4 - Evaluation de la représentation des nuages dans les modèles de climat 37
Figure I.11 – Comparaison des performances des modèles (modifié de [Jiang et al., 2012])
nuageuse détectée par le lidar de CALIPSO à la couverture nuageuse générée par diffé-rents modèles (Figure I.12).
Sur la Figure I.12 on remarque pratiquement une sous estimation systématique de la couverture nuageuse par la plupart des modèles sauf dans l’arctique. Certains modèles néanmoins surestiment la couverture des nuages hauts.
[Kay et al., 2012] évaluent plus précisément le modèle CAM (Community Atmos-phere Model) du NCAR et son évolution entre les versions 4 et 5. Le modèle a été amélioré du point de vue de la sous-estimation de la couverture nuageuse grâce à une meilleure représentation des processus physiques mis en jeu. CAM5 a aussi été amélioré car il a diminué sa quantité de nuages optiquement épais et ce, grâce à l’incorporation de l’impact de la neige sur les flux radiatifs. Les auteurs notent cependant qu’il faut éga-lement faire attention aux incertitudes liées à la mesure pour effectuer des évaluations de modèles.
Conclusion
Prévoir le climat et le temps est donc très important pour permettre à l’homme de s’adapter à son environnement. La disparité des prévisions entre les modèles est princi-palement due aux nuages. Ils représentent un facteur clé dans la sensibilité du climat ; l’observation et l’étude de leur structure, leur description horizontale et verticale ainsi que leurs propriétés microphysiques sont donc nécessaires à l’amélioration des modèles. L’observation spatiale a été capitale dans l’amélioration de ces connaissances. Le spectre
38 Les modèles de prévision
Figure I.12 – Comparaison de la couverture nuageuse obtenue par CALIOP et par différents modèles [Cesana and Chepfer, 2012])
des paramètres nuageux nécessaires à la description des systèmes atmosphériques étant assez large, la combinaison de plusieurs instruments peut s’avérer très utile. De plus, de nouveaux capteurs (moins de 10 ans) permettent de décrire les structures nuageuses verticalement ce qui contribue considérablement à l’étude des nuages et de leurs impacts.
39
Deuxième partie
Comment étudier les nuages et leurs
impacts
Sommaire
1 Instruments 40
1.1 Principes de télédétection - Rayonnement . . . 40 1.2 Instruments de télédétection passive . . . 42 1.3 Instruments de télédétection active . . . 43 1.4 Instrumentation in-situ – sondes microphysiques . . . 46
2 Missions spatiales 47 2.1 A-Train . . . 47 2.1.1 Aqua . . . 48 2.1.2 CALIPSO . . . 48 2.1.3 CloudSat . . . 49 2.2 EarthCARE . . . 50 2.2.1 Le Lidar ATLID (ATmospheric LIDar) . . . 50 2.2.2 Le CPR . . . 51 2.2.3 BBR – BroadBand Radiometer . . . 51 2.2.4 MSI – Multi Spectral Imager . . . 52 2.2.5 La synergie des instruments d’EarthCARE . . . 52
3 Campagnes de mesures aéroportées RALI 53
3.1 Présentation de RALI . . . 53 3.1.1 Le radar RASTA . . . 53 3.1.2 Le lidar LNG . . . 53 3.2 Les campagnes RALI . . . 54 3.2.1 La campagne CIRCLE 2 . . . 54 3.2.2 La campagne EUCAARI . . . 54 3.2.3 La campagne POLARCAT . . . 54 3.2.4 La campagne LNG-CALIPSO . . . 54 4 Les méthodes de restitution de paramètres microphysiques et
ra-diatifs des nuages de glace 55
4.1 Les méthodes mono instrument . . . 55 4.2 Les méthodes synergiques . . . 57
40 Instruments
1 Instruments
Cette thèse se focalise sur l’étude des nuages pour répondre à un certain nombre de problématiques détaillées dans la partie précédente. En ce sens, nous n’aborderons dans ce chapitre que les instruments spécifiques à l’étude des nuages, même si ceux-ci peuvent également être utilisés pour l’étude des aérosols et d’autres phénomènes atmosphériques. Le principe de la télédétection est d’obtenir des informations sur des cibles sans contact direct avec celles-ci. Tout d’abord nous présenterons les bases du rayonnement électromagnétique pour ensuite décrire le fonctionnement des instruments de télédétec-tion passive et active.
1.1 Principes de télédétection - Rayonnement
Le rayonnement électromagnétique (solaire, terrestre ou celui émis par un instru-ment) subit des transformations suite à l’interaction avec l’atmosphère (molécules, pous-sières, gouttes d’eau, cristaux de glace). L’étude de ces interactions donne des rensei-gnements sur les cibles étudiées.
Considérons un rayonnement d’énergie Iλ le long du chemin optique ds. Pour une surface unité l’énergie est atténuée selon l’équation II.1
dI = −IλσλN ds (II.1) où N (m−3) est le nombre de particules par unité de volume et σλ (m2) représente une mesure de la probabilité que le rayonnement à la longueur d’onde λ soit éteint par la particule rencontrée. On appelle σλ la section efficace d’extinction.
L’extinction est causée par deux phénomènes d’atténuation : l’absorption et la dif-fusion. La section efficace d’extinction s’obtient donc avec l’équation II.2 :
σλ = σabs+ σdif f (II.2)
Le terme σλN s’appelle le coefficient d’extinction et se note α (m−1).
Ceci est dans le cas où le volume est constitué des particules ayant toutes la même taille donc ayant toutes la même section efficace.
Dans un volume atmosphérique, les particules ont souvent des diamètres D différents, et donc des sections efficaces dépendant de D différentes. Le coefficient d’extinction s’écrit de la même manière que le coefficient d’extinction visible de l’équation I.4, sous la forme de l’équation II.3 :
α = Z
σ(D)N (D)dD (II.3)
Avec N (D) la distribution dimensionnelle des particules abordée précédemment. N (D)dD est donc la concentration des particules dont les diamètres sont compris entre D et dD.
1.1 - Principes de télédétection - Rayonnement 41
– Absorption
Le rayonnement électromagnétique incident dans l’atmosphère peut être absorbé par ses constituants (aérosols, gouttes d’eau, cristaux de glace). Le constituant passe alors à un niveau d’énergie supérieur car il absorbe l’énergie du photon arrivant. La capacité d’absorption du constituant est déterminée par la section efficace d’absorption σabs.
– Diffusion
Les constituants de l’atmosphère peuvent également diffuser le rayonnement c’est-à-dire changer la direction de propagation des photons. A travers un milieu seulement diffusant, la perte d’énergie suit l’équation II.4 :
dI = −Iλαdif fds (II.4)
avec αdif f le coefficient de diffusion. De même que pour le coefficient d’extinction avec l’équation II.3, le coefficient de diffusion s’écrit sous la forme de l’équation II.5 :
αdif f =
Z
σdif f(D)N (D)dD (II.5)
Le coefficient de rétrodiffusion est αdif f pour un angle égal à 180◦.
Les mécanismes d’interactions entre les particules et les photons diffèrent suivant la taille des particules :
Si la taille de la particule est petite devant la longueur d’onde de l’onde électromagné-tique alors la diffusion suit le régime de Rayleigh. C’est le cas des atomes ou des molécules de l’atmosphère. La puissance diffusée est proportionnelle à λ−4 [Rayleigh, 1871] donc les petites longueurs d’onde sont beaucoup plus diffusées que les grandes. La diffusion est à peu près égale dans toutes les directions. Ceci explique que le ciel soit bleu. Le coefficient de diffusion s’obtient par l’équation II.6 :
αdif f = 2π 5 3λ5 m2− 1 m2+ 2 2Z D6N (D)dD (II.6)
avec m l’indice de refraction du milieu diffusant.
Si la taille des particules est environ égale à la longueur d’onde, la diffusion suit la théorie de Mie. La diffusion vers l’avant est d’autant plus importante que la particule est grosse. Ceci explique que les nuages soient blancs. Le coefficient de diffusion s’obtient par l’équation II.7 :
αdif f = π
4 Z
Qdif fD2N (D)dD (II.7)
avec Qdif f l’efficacité de diffusion.
Pour les particules dont la taille est bien plus importante que la longueur d’onde, la diffusion suit le régime de l’optique géométrique.
42 Instruments
La diffusion du rayonnement suivant la taille des particules est schématisée sur la Figure II.1 :
Figure II.1 – Répartition de la probabilité de diffusion dans différentes directions, pour différents types de diffusion : (a) Rayleigh, (b) et (c) Mie avec une particule plus grande en (c)
Il faut également prendre en compte le phénomène de diffusion multiple : la contri-bution de la diffusion venant d’autres particules du voisinage.
L’épaisseur optique, déjà définie précédemment, est une grandeur qui est beaucoup utilisée dans l’étude des nuages. Elle caractérise l’opacité d’un milieu aux radiations et se calcule par l’intégrale de l’extinction entre deux altitudes selon l’équation II.8 :
τ = Z z2
z1
αdz (II.8)