Impact de la variabilité saisonnière sur les simulations des TB 99

Nous avons présenté dans l’article associé à ce chapitre des résultats de simulations avec le modèle de transfert radiatif RTTOV des températures de brillance de IASI et SEVIRI en

100 Synergie des sondeurs infrarouges

utilisant trois valeurs différentes de LST, à savoir la LST de IASI, la LST de SEVIRI et la LST prévue par le modèle. Les simulations réalisées (des jours du 7, 14, 21 et 28 des mois de janvier, février, avril, mai, juillet, août, octobre et novembre 2018) ont été moyennées sur toute la période d’étude, i.e les quatre saisons. Nous rappelons que nous avons indiqué qu’une variabilité saisonnière a été remarquée. Nous revenons ici sur ces simulations afin de mettre en relief cette variabilité saisonnière. Pour les simulations de nuit (figure IV.5), l’utilisation de la LST SEVIRI permet d’améliorer les simulations par rapport à l’utilisation de la LST du modèle pour toutes les saisons et pour tous les groupes de sensibilité du spectre IASI.

Printemps Eté

Hiver Automne

(a) (b)

(c) (d)

Figure IV.5 – RMSE des différences entre les simulations de nuit des températures de brillance IASI par rapport aux observations IASI en utilisant les LST IASI (bleu), SEVIRI (rouge) et du modèle (vert) pour (a) les dates d’été (les 7, 14, 21 et 28 des mois de juillet et août 2018) ; (b) de printemps (les 7, 14, 21 et 28 des mois d’avril et mai 2018) ; (c) d’hiver (les 7, 14, 21 et 28 des mois de janvier et février 2018) et (d) d’automne (les 7, 14, 21 et 28 des mois d’octobre et novembre 2018) en fonction des groupes de sensibilité du spectre IASI (surface en vert, température en orange, ozone en cyan, vapeur d’eau en bleu et solaire en jaune).

La figure IV.5 montre aussi qu’un plus grand impact de l’utilisation de la LST SEVIRI par rapport à la LST du guess est noté pendant les saisons d’hiver et d’automne. Ceci est en accord avec les résultats de l’étude comparative des LST des deux capteurs, qui a montré de plus faibles différences moyennes de LST pendant les périodes d’automne et d’hiver (plus

101

faibles de 0.13 K à 0.35 K que pendant l’été et le printemps).

Les simulations de jour (figure IV.6) montrent un impact plus variable de la LST en fonction des saisons. Nous remarquons ainsi que la LST SEVIRI permet de réduire la RMSE des différences (simulation - observation) par rapport à la LST du modèle pendant l’été et le printemps, mais elle augmente la RMSE en hiver et automne, pendant lesquels la LST IASI est en moyenne plus froide que la LST SEVIRI. Ceci n’a pas été observé dans les comparaisons de nuit où la LST IASI était en moyenne plus chaude que la LST SEVIRI, quelle que soit la saison. Ceci peut être dû par exemple à l’effet d’ombre causé par l’angle zénithal solaire plus important sur le relief, les nuages mal détectés ou même les bâtiments et les arbres, et a un lien avec les conditions d’ensoleillement différentes avec les saisons. De plus, les atlas d’émissivité de surface sont calculés séparément pour les deux sondeurs en se basant sur des données de l’année 2017 pour SEVIRI et de l’année 2007 pour IASI, et peuvent ainsi refléter des occupations de sol différentes.

102 Synergie des sondeurs infrarouges Printemps Eté Hiver Automne (a) (b) (c) (d)

Figure IV.6 – RMSE des différences entre les simulations de jour des températures de brillance IASI par rapport aux observations IASI en utilisant les LST IASI (bleu), SEVIRI (rouge) et du modèle (vert) pour pour (a) les dates d’été (les 7, 14, 21 et 28 des mois de juillet et août 2018) ; (b) de printemps (les 7, 14, 21 et 28 des mois d’avril et mai 2018) ; (c) d’hiver (les 7, 14, 21 et 28 des mois de janvier et février 2018) et (d) d’automne (les 7, 14, 21 et 28 des mois d’octobre et novembre 2018) en fonction des groupes de sensibilité du spectre IASI (surface en vert, température en orange, ozone en cyan, vapeur d’eau en violet et solaire en bleu et solaire en jaune).

Notons qu’une variabilité saisonnière, similaire à celle observée dans les simulations des températures de brillance IASI, a été également observée pour le cas des simulations des températures de brillance SEVIRI en utilisant la LST IASI.

IV.1.5 Conclusions

La restitution de la température de surface constitue un outil intéressant qui permet d’amé-liorer les simulations et ainsi l’assimilation des radiances satellitaires sensibles à la surface et aux basses couches atmosphériques. Toutefois, elle est sujette à différents facteurs de varia-bilité relatifs à l’instrument, au satellite ou aux propriétés de la surface et de l’atmosphère. Dans cette section, nous avons évalué l’accord entre les températures de surface restituées à partir de deux instruments différents observant dans le spectre infrarouge, à savoir SEVIRI, qui est à bord d’un satellite géostationnaire, et IASI qui est un instrument hyperspectral à

103

bord de satellites à orbites polaires. Dans une première étape, nous avons évalué l’accord entre la température de surface restituée à partir de SEVIRI et les LST observées par deux stations de mesures locales situées à Toulouse et à Evora. Un bon accord a été retrouvé entre les cycles diurnes des LST SEVIRI et des LST observées dans les stations avec un meilleur accord pendant la saison estivale à Toulouse et un meilleur accord pendant l’hiver à Evora. Nous avons noté dans l’article associé à ce chapitre que cet accord dépend en grande partie de l’environnement de chaque station. Par ailleurs, il faut souligner que cette évaluation a été appliquée à deux stations uniquement, dont la station d’Evora qui est dédiée à la validation de la LST SEVIRI dans le cadre du LSA-SAF d’Eumetsat. Toutefois, ces deux stations se situent dans des terrains de natures assez proches, ce qui constitue une limite à la générali-sation de ces résultats sur tout le domaine AROME-France.

Nous nous sommes intéressés, dans la deuxième étape de cette étude comparative, à l’accord entre les LST SEVIRI et les LST IASI. Nous avons constaté dans cette section que diffé-rents facteurs impactent l’accord entre les LST SEVIRI et IASI, telles que l’émissivité de surface, qui a été définie dans le cadre de cette étude, comme dans le modèle opérationnel, à partir de deux atlas différents. Nous avons également noté l’impact d’éventuels nuages non filtrés sur la représentativité des pixels SEVIRI par rapport aux pixels IASI, plus larges. Par ailleurs, nous avons souligné dans la section précédente les différences entre les atlas d’émis-sivité utilisés dans cette étude. Ensuite nous avons discuté l’impact de la position de scan IASI sur l’accord entre les LST des deux instruments, et finalement nous avons souligné la variabilité saisonnière de l’impact de l’utilisation de la LST SEVIRI sur les simulations de la température de brillance IASI. Malgré ces multiples sources de différences, les LST restituées à partir de SEVIRI et IASI montrent un bon accord global. Un meilleur accord de nuit, avec des écarts-types plus faibles de 0.7 K environ que ceux de jour a été trouvé. Les biais sont d’amplitudes comparables, inférieurs à 1 K dans la plupart des cas. Ceci a été confirmé par la simulation des températures de brillance des deux capteurs à l’aide du modèle de transfert radiatif RTTOV en utilisant différentes valeurs de LST. Nous avons ainsi noté que l’utilisation de la LST d’un capteur a permis de mieux simuler les températures de brillance de l’autre instrument satellitaire que l’utilisation de la LST prévue par le modèle AROME. Cette amélioration dépend de la saison avec plus d’impact pendant l’hiver et l’automne la nuit et un meilleur impact pendant l’été et le printemps le jour. Finalement, l’évaluation des accords entre les LST des deux sondeurs en fonction de la position de scan IASI a montré un plus fort impact de ces positions de jour que de nuit. Un meilleur accord vers les bords de fauchée de IASI qu’autour du nadir a été trouvé, ce qui peut être dû aux angles zénithaux

104 Synergie des sondeurs infrarouges et micro-ondes

plus proches dans ces positions de ceux de SEVIRI. Ces résultats sont encourageants pour l’exploitation de la synergie entre les différents capteurs infrarouges dans les modèles de pré-vision numérique. La prochaine étape est de comparer les LST restituées à partir des capteurs infrarouges et des capteurs micro-ondes. Ces deux types de capteurs sondent dans différentes longueurs d’onde et ont des sensibilités différentes aux nuages et à l’humidité du sol, les LST restituées devraient alors présenter plus de différences. La section suivante présentera ainsi des éléments de réponse à cette question.