A.5.1 Terminologie
Les données MT sont organisées en 4 chaînes de niveau 2 et 3 chaînes de niveau supérieurs 3/4 correspondant à plus de 30 produits géophysiques différents. Le niveau 2 consiste en des produits géophysiques instrument par instrument instantannés sous la trace. Les niveaux 3 et 4 consistent en des produits combinant les mesures de la plateforme MT avec les observations des géostation- naires. Cela découle à la fois de l’orbite de MT qui ne permet pas de faire des moyennes tempo- relles qui auraient du sens et des variables mesurées (pluie,...). Ainsi, le projet Megha-Tropiques ne possède pas de véritables niveaux 3 mais des niveaux 4. Dans la suite, on parlera donc de ces produits comme des produits de niveaux 3/4.
A.5.2 Produit de niveau 2 "ciel précipitant"
Les produits de niveau 2 en ciel précipitant issus de l’algorithme BRAIN permettent l’estima- tion des champs de précipitation mesurés à partir de l’instrument Madras. Les différents produits en sortie de BRAIN sont :
– pluie de surface
– profil de contenu en nuage liquide
– profil de contenu en nuage de glace
– profil de précipitations glacées
– profil de précipitations liquides
A.5.3 Produit de niveau 2 "ciel non précipitant"
La chaîne ’ciel non-précipitant’ restitue, à partir des observations coïncidentes SAPHIR-MADRAS, principalement des profils d’humidité relative sur 6 couches (surface-902 hPa ; 902-725 hPa ; 725- 543 hPa ; 543-377 hPa ; 377-208 hPa ; 208-20 hPa), avec les configurations terre/mer et ciel clair/ciel nuageux (non précipitant). D’autres produits sont estimés : le contenu intégré en vapeur d’eau (TCWV : total column water vapor), la température de surface continentale, la vitesse du vent océanique à 10 mètres, ainsi que les émissivités de surface (continentale) pour les différents ca- naux.
L’inversion des produits en ciel non précipitant est réalisée en utilisant des inversions par réseaux de neurones. L’inversion est différenciée selon la nature de la scène : clair ou nuageux non précipitants, terre ou mer, ce qui donne lieu à une famille de 6 produits de niveau 2 :
– profil de vapeur d’eau
– contenu intégré en vapeur d’eau
– température de surface sur terre
– vent de surface sur mer
– contenu en eau liquide nuageuse des nuages non précipitants
A.5.4 Produit de niveau 2 "Bilan Radiatif"
Cette chaine a pour objectif d’exploiter les mesures de l’instrument SCARAB pour estimer les flux radiatif ondes longues et courtes au sommet de l’atmosphère. Pour cela, elle utilise deux types d’algorithmes :
– Algorithme SEL (ScaRaB Erbe Like)
Cette chaîne de traitement permet, à partir des radiances obtenues au niveau 1, d’obtenir les flux SW (ShortWave ou onde courte) et LW (LongWave ou onde longue) au sommet de l’atmo- sphère. SEL est une chaîne dont l’origine remonte aux deux précédents ScaRaB (ScaRaB-1 et ScaRaB-2 respectivement embarqués sur les satellites Russes Meteor en 1995 et Resurs en 1998).
FIGUREA.17 – exemple des restitutions des flux par Scarab/Resurs.
– Algorithme SANN (ScaRaB Artificial Neural Network)
Pour pouvoir obtenir des flux au sommet de l’atmosphère avec une précision supérieure à celle obtenue avec la chaîne SEL, la chaîne de traitement SANN est basée sur un réseau de neurone. Il s’agit d’éduquer un réseau de neurones à partir des données CERES. Ces données ont la parti- cularité d’être traitées beaucoup plus finement grâce à l’apport d’un imageur (VIRS sur TRMM et MODIS sur AQUA et TERRA) permettant une caractéristique des scènes (état de la couverture nuageuse et des surfaces) beaucoup plus exhaustives. SEL permet la différenciation de 12 types de scènes, les algorithmes CERES plusieurs centaines.
A.5.5 Produit de niveau 2 "masque nuage global"
Pour des raisons historiques, la plateforme Megha-Tropiques n’est pas équipée d’un radio- mètre visible infrarouge comme le sont les missions comparables et s’appuie donc sur la flotte des géostationnaires pour combler cette lacune. Les géostationnaires vont permettre de mieux décrire la scène par l’utilisation d’un masque nuageux et permettre ainsi la construction d’un meilleur produit sous la trace.
TABLEAU A.4 – Illustration pour le 1erjuin 2009 à 0000 UTC de la classification
nuageuse pour le satellite MTSAT-1. Chaque couleur correspond à un type de nuage. Source : G.Seze
L’objectif de ce produit est alors de fournir un masque nuageux et une classification en type nuageux cohérents sur toute la ceinture tropicale, à partir de la flotte des géostationnaires, avec une résolution spatiale de 5km x 5km et une résolution temporelle de l’ordre de la demi-heure. Ce masque ou identificateur de scène est utilisé comme entrée dans la chaîne de traitement des données micro-ondes SAPHIR-MADRAS. Il sera aussi utile pour les chaînes de niveaux 4 d’es- timation des précipitations et de suivi de systèmes convectifs à partir des mêmes données des géostationnaires ainsi que pour évaluer les types de scènes Scarab utilisés pour la détermination des flux.
A.5.6 Produit de niveau 3/4 "précipitation accumulée"
Le produit de niveau-3/4 ’précipitation accumulée’ a été développé dans l’objectif de fournir des mesures de cumuls de pluie accompagnées d’incertitudes à la résolution 1˚/jour. Une approche de type GPCP (Huffman et al. [2001]) a été développée dans le cadre de l’algorithme TAPEER (Tropical Amount of Precipitation with Estimation of ERrors) afin de fusionner les données de la chaîne de Niveau-2 "BRAIN" et les données des géostationnaires pour fournir des estimations de pluie accumulée sur toute la ceinture tropicale. Le produit permet fournit également des estima- tions des erreurs associées aux estimations de pluie accumulée, afin d’en faciliter l’utilisation en précisant le degré de pertinence de chaque cumul 1˚/jour.
Les données de la chaîne de niveau-2 "BRAIN" fournissent des estimations de taux de pluie instantanées qui offrent une couverture dans le temps et dans l’espace trop faible pour construire des cartes de cumuls de pluie grillées sans que l’erreur d’échantillonnage associée ne soit trop grande. Le concept général de la combinaison de données infrarouges et micro-ondes est de pro- pager la distribution des taux de pluie mesurée par le niveau-2 sur les images infrarouge géo-
stationnaires (mono canal 10.8µm) pour ensuite les accumuler à la résolution 1˚/jour. Une des
hypothèses principales du produit "précipitation accumulée" est d’attribuer les taux de pluie les plus forts restitués par BRAIN aux températures de sommet de nuage les plus froides. Ainsi, d’un point de vue technique, plusieurs paramètres sont calculés à partir d’une base de données d’in- formations IR géostationnaire et BRAIN co-localisées, afin de produire les cartes de pluie : des températures de brillance IR seuils définissants les zones pluvieuses ainsi que des taux de pluie définissant leurs intensités. Ces paramètres sont ensuite généralisés à l’ensemble des données IR géostationnaires. Afin d’être le plus fidèle possible aux conditions météorologiques locales et de déduire la meilleure estimation 1˚/jour possible, les paramètres cités ci-dessus doivent être mis à jour le plus souvent possible et adapté aux conditions géographiques locales. Pour ce faire, une fenêtre glissante spatio-temporelle est utilisée pour définir le volume de données nécessaire à un apprentissage de paramètres locaux.
A.5.7 Produit de niveau 3/4 "Cycle de vie des systèmes convectifs"
Le produit "Cycle de vie des systèmes convectifs" comprend 2 parties principales :
– Un produit de niveau 2 "Détection et suivi des systèmes convectifs"
– Un produit de niveau 3/4 "Composite du cycle de vie des systèmes convectifs tropicaux"
– Produit de niveau 2 "Détection et suivi des systèmes convectifs"
L’algorithme de suivi utilisé dans le cadre de ce produit a été détaillé dans de nombreux papiers (Williams et Houze [1987] ; Arnaud et al. [1992] ; Machado et al. [1992] ; Mathon et Laurent [2001]). Il consiste à détecter les systèmes nuageux en appliquant un simple seuil en température de brillance sur l’imagerie infrarouge et à les suivre image par image par des techniques de re- couvrement géographiques. L’algorithme de suivi est appliqué sur l’ensemble de la ceinture tropi-
cale en utilisant les données issues de 6 satellites géostationnaires différents (GOES10, GOES11, GOES12, MSG, METEOSAT-7 et MTSAT). Chacune des données satellitaires est traitée indé- pendamment. Cet algorithme de détection sera dans l’avenir remplacé par l’algorithme TOOCAN présenté dans les chapitre 1 et 2 de cette thèse.
– Produit de niveau 3/4 "Composite du cycle de vie des systèmes convectifs tropicaux"
Le produit de niveau 3/4 va permettre de combiner dans l’espace et dans le temps les données issues du produit de niveau 2 BRAIN et les systèmes nuageux déterminés par le produit de niveau- 2 "Détection et Suivi des Systèmes". Etant donné la répétitivité des satellites LEO, seules quelques phases du cycle de vie des systèmes convectifs peuvent être échantillonnées et documentées. Le produit de niveau 3 va ainsi permettre d’évaluer statistiquement la distribution des précipitations au sein d’un cycle de vie d’un système convectif type en compositant les différentes phases observées de l’ensemble des MCS.