Exploitation des mesures pour la microphysique

Les mesures polarimétriques eectuées par RONSARD durant la SOP permettent une détermination des contenus particulaires des systèmes précipitant observés. Il est en eet possible d'associer un type ou une classe d'hydrométéores (CH) à un ensemble de va- leurs de variables polarimétriques (VP) en passant par un algorithme d'identication ou de classication des hydrométéores. Parmi les méthodes d'identication comme la logique Boolléenne, par exemple, qui est simple mais qui donne une réponse mutuellement exclu- sive, c'est la logique oue que nous avons retenue. Cette méthode est ici particulièrement bien adaptée dans la mesure où le volume nuageux observé contient un mélange de dié- rents hydrométéores. Cette méthode nous permet ainsi de discriminer dans la phase liquide 3 classes de pluies (forte, moyenne et faible) correspondant à des tailles de gouttes de plus en plus nes. Nous pouvons identier la présence de grêle et de graupel. Nous pouvons également repérer des mélanges de pluie et de grêle ainsi que de grêle et de graupels. La classication sépare également la neige sèche de la neige mouillée et identie les cristaux

de glace.

Pour faciliter le propos, ces neuf classes d'hydrométéores seront dénomées par la suite dans leur terminologie anglaise :

 LR pour Light Rain  MR pour Moderate Rain  HR pour Heavy Rain  H pour Hail

 RH pour Rain Hail mixture

 GH pour Graupel and Small Hail mixture  DS pour Dry Snow

 WS pour Wet Snow  IC pour Ice Crystals

Vivekanandan et al. [1999] exposent le principe de cette méthode sur la base d'un exemple simple représenté par le schéma de la gure 2.1 qui considère la discrimination entre 2 CH (pluie et grêle) disposant de 3 VP (Zh, ZDR et LDR).

Concrètement, pour chaque CH (i = 1, 2), nous associons une fonction d'appartenance Pi(j) dépendante d'une variable polarimétrique j. Par exemple, si nous considérons la

grandeur ZDR et de la pluie, Ppluie(ZDR) indique la probabilité de trouver de la pluie

pour une valeur particulière de ZDR. Ainsi, pour une valeur de ZDR comprise entre 0 et 4 dB, Ppluie(ZDR) varie de 0 à 1. Dans l'exemple choisi avec 3 VP et 2 CH, 6 fonctions

de probabilité sont nécessaires. Les fonctions Pi(j)sont obtenues à partir d'observations et

d'études numériques (Jameson [1983], Aydin et al. [1986], Bringi et al. [1986], Balakrishnan and Zrni¢ [1990], Vivekanandan et al. [1990], Doviak and Zrni¢ [1993], Holler et al. [1994] et Vivekanandan et al. [1994]). Ces fonctions se présentent usuellement sous des formes trapézoïdales dont la hauteur est unité et la base dénit l'intervalle de valeurs [jmin, jmax]

que peut prendre une VP pour une CH donnée. L'ensemble des fonctions d'appartenance utilisé dans cette étude sera présenté dans la prochaine section (Fig. 2.11).

Nous précisons que l'investigation de systèmes précipitant tropicaux par la bande C est plutôt récente (May et al. [1999]) et que les études de sensibilité des variables polarimé- triques (e.g., Zrni¢ et al. [2000], Keenan et al. [2001]) et des restitutions microphysiques (May and Keenan [2005]) sont peu nombreuses. Concernant les systèmes de moyenne la- titude, nous pouvons citer les travaux de Holler et al. [1994], Gorgucci et al. [1996]. Plus récemment, Gourley et al. [2007] proposent une approche par la logique oue pour séparer des échos précipitant d'échos non-précipitant. Pour valider les restitutions microphysiques avec des variables polarimétriques en bande C, May and Keenan [2005] utilisent deux pro- leurs de vent. Dans cette étude, nous avons analysé la cohérence des classes d'hydrométores restituées sur la base de leur consistance avec le champ de vent observé et/ou les processus microphysiques dans les lignes de grains déjà documentés par les observations et/ou les modèles.

Dans une deuxième étape, chacune des fonctions de probabilité est multipliée par un facteur de poids Wj dont la valeur est attribuée sur des critères expérimentaux et sub-

jectifs selon la pertinence de la variable j considérée et la précision de sa mesure. Nous réalisons enn, pour chaque CH, la somme de ces fonctions pondérées pour obtenir un unique paramètre Qi =

P

jWjPi(j). Dans l'exemple proposé nous obtenons :

Qpluie = WZhPpluie(Zh) + WZDRPpluie(ZDR) + WLDRPpluie(LDR) (2.17)

et

Qgrle = WZhPgrle(Zh) + WZDRPgrle(ZDR) + WLDRPgrle(LDR) (2.18)

C'est donc la CH, i, correspondant au paramètre Qi le plus important qui est alors

le résultat de la procédure d'identication. Si Qpluie est supérieur à Qgrle dans l'exemple

choisi, c'est la pluie qui est la classe la plus probable dans le volume observé.

Pour terminer il est important de préciser que les algorithmes de classication utilisent les prols de température comme discriminant ultime. En eet, un prol de température

Fig. 2.2  illustration d'une dérive sur la variable polarimétrique ZDR lors d'un échan- tillonnage de la partie convective d'une ligne de grains africaine

.

indique notamment la position de l'isoterme 0C et donc permet d'éviter certaines ab- bérations comme la présence de phases solides pures à des températures positives. Il est cependant nécessaire de supposer, implicitement, que le prol de température, donné par des mesures locales (radiosondage), est susamment représentatif du domaine d'observa- tion considéré.

Dans notre étude, nous attribuons un poid double à Zh, ZDR et à la température en

raison de la précision de leur mesure. Nos tests de sensibilité ont montré qu'en moyenne 2 à 3 % du volume de points où est pratiquée l'identication sont inuencés positivement par cette pondération d'ailleurs conseillée par Vivekanandan et al. [1999]. A titre d'exemple, une classe d'hydrométéore, comme la classe GH, y est particulièrement sensible car sans cette pondération, cette classe tend à faire son apparition trop en-dessous de l'isotherme 0C. Dans le même sens, la WS issue de la fonte de la phase solide tend à apparaître trop au-dessus de l'isotherme 0C.

Au-delà de cette pondération, c'est évidemment la consistance des variables polarimé- triques utilisées qui va jouer un rôle clef dans le processus d'identication. Il est donc fondamental de pratiquer une analyse scrupuleuse de toutes les données polarimétriques récoltées avant de procéder à l'identication.

A titre d'illustration, nous montrons dans l'exemple suivant l'inuence d'une dérive sur la réectivité diérentielle ZDR. En eet, bon nombre de séquences radar utilisées dans notre étude ont montré un tel biais qu'il nous a fallu corriger avant de pratiquer l'identi- cation en classe d'hydrométéores. La gure 2.2 montre le nuage de points correspondant à un jeu de données en ZDR fonction de l'altitude qui soure d'une dérive d'environ 2 dB

Fig. 2.3  Inuence d'une dérive sur ZDR sur des prols d'occurrence d'hydrométéores : sans la corriger (a) ; en la corrigeant (b)

.

alors que le radar échantillonne la partie convective d'une ligne de grains africaine. Cette dérive est notamment repérable au-delà d'une altitude de 6 km car, alors que la phase glacée située à de telles altitudes devrait être associée à des ZDR plutôt nulles (compte tenu de la sphéricité des particules à pareille hauteur), le nuage de points se trouve centré autour de 2 dB. La gure 2.3 montre l'inuence d'une telle dérive sur la classication. Elle présente diérents proles d'occurrence d'hydrométéores en tenant compte de cette dérive (2.3a) et sans en tenir compte (2.3b). Concernant la classe GH par exemple, cette dérive occasionne l'absence du panache observable dans la partie convective d'une ligne de grains lié aux fortes ascendances convectives. Plus important, nous pouvons voir comment l'absence de correction induit une absence totale de diversité microphysique dans la phase solide où DS et IC ne sont pas séparés mais amalgamés.

des variables polarimétriques ne sourant d'aucun biais, rendant des résultats réalistes et permettant d'accéder à la richesse de la diversité microphysique de systèmes précipitant.