90 60 30 0 30 60 90
Latitude
Fig. 7.6: Distribution des observations MCS et PFS en fonction de l’heure locale et de la latitude pour la p´eriode MY 30, Ls=270◦ `a Ls=300◦. La couverture en heure locale de PFS d´erive pour couvrir 24 h en moins d’une ann´ee, tandis que celle de MCS varie tr`es peu, avec un d´ecalage d’environ 1 h dˆu `a l’excentricit´e de l’orbite de Mars. La r´esolution horizontale de l’histogramme est de 2 minutes.
couvrir le plus d’heures locales possibles `a basse altitude, sur une orbite quasi-polaire qui couvre la majeure partie de la plan`ete grˆace `a son inclinaison de 74◦. La figure 7.7 montre un exemple du nombre d’observations et de leur couverture en heure locale pour un point `a 45◦N avec un rayon de localisation de 900 km. On voit qu’en 31 sols, il y a une d´erive en heure locale d’environ 6 heures, avec une observation par sol. En une soixantaine de sols le TGO aura donc survol´e un mˆeme point `a toutes les heures locales, avec une r´esolution inf´erieure `a 30 minutes.
`
A bord du TGO, l’instrument Atmospheric Chemistry Suite (ACS) (Korablev et al., 2013) est un spectrom`etre `a vis´ee nadir con¸cu et fabriqu´e par l’Institut de recherche spatiale de l’Acad´emie des sciences de Russie. Son canal infrarouge thermique est com-parable `a PFS, mais avec une r´esolution spectrale accrue. ACS entamera sa mission no-minale d’observation `a la mi 2017 (apr`es une p´eriode d’a´erofreinage de plusieurs mois) en fournissant des profils verticaux de temp´erature et la colonne int´egr´ee d’opacit´e de poussi`ere et de nuage de glace d’eau atmosph´eriques. La pr´esence d’un spectrom`etre
Fig. 7.7: Survol `a moins de 900 km du point de coordonn´ees 45◦N-0◦E par TGO en fonction de l’heure locale, pendant 31 sols. Le trait rouge indique la direction de l’angle z´enithal par rapport au point en surface, et le trait vert l’azimuth. Figure r´ealis´ee avec le logiciel Ixion (Capderou, 2014).
sur le TGO en fait un instrument de choix pour l’assimilation, avec une excellente couverture en heure locale.
On ne peut que regretter l’annulation de la participation initiale de la NASA `a la mission ExoMars, qui aurait fournie un ExoMars Climate Sounder (EMCS), quasi-identique `a MCS pour le TGO, en lieu et place d’ACS. Cet instrument aurait eu le pouvoir de r´esoudre verticalement les a´erosols et la temp´erature avec une meilleure r´esolution verticale que ACS, sur une orbite avec une grande dispersion en heure locale, ce qui aurait fourni des observations de choix pour l’assimilation. Il faut n´eanmoins souligner l’avantage d’ACS qui, grˆace `a sa vis´ee nadir, sera capable de mesurer la colonne int´egr´ee d’opacit´e de poussi`ere et de nuage. Ce n’est pas le cas de MCS, qui ne peut pas distinguer avec pr´ecision les a´erosols proches de la surface, ce qui permet d’envisager une synergie int´eressante entre ACS et MCSa.
aPour peu que MCS soit toujours en fonctionnement en 2017, ce qui semble tr`es probable d’apr`es
CHAPITRE 7. CONCLUSION 163
En effet, dans le cadre d’une assimilation conjointe entre MCS et ACS, les observations MCS peuvent servir `a contraindre la distribution verticale de poussi`ere, comme vu dans le chapitre 6. Les observations ACS permettront de suivre l’´evolution de la poussi`ere avec l’heure locale, dont la distribution verticale sera connue dans le background. En faisant le lien entre les observations de poussi`ere d’ACS et de MCS, l’assimilation nous offre deux informations pr´ecieuses :
• Elle permet l’interpr´etation des observations ACS. Pour un spectre acquis par ACS, on peut utiliser le background comme a priori pour l’inversion du spectre. On peut mˆeme envisager directement l’assimilation des spectres de ACS en utilisant un mod`ele direct pour obtenir de facto une inversion de poussi`ere de l’instrument ACS contrainte par MCS via le GCM.
• La variation de la poussi`ere avec l’heure locale telle qu’observ´ee par ACS nous permettra ´eventuellement d’apporter un nouvel ´eclairage au myst`ere des variations diurnes de couches d´etach´ees de poussi`ere vues par MCS.
Quant `a la temp´erature, son assimilation avec les observations ACS permettrait de mieux comprendre la structure globale des ondes plan´etaires. L’´echec de l’assimilation de la temp´erature tel que pr´esent´e dans le chapitre 6 pourrait ˆetre surmont´e avec une plus grande densit´e en heure locale fournie par ACS. Qu’il s’agisse l`a d’un probl`eme de couverture de l’heure locale par les observations ou du caract`ere local de l’assimilation comme abord´e section 7.1 reste une question ouverte.
7.3 Assimilation de param`etres
Dans le chapitre 6, il a ´et´e conclu que l’assimilation sur Mars apparaˆıt difficile en raison des diff´erences entre mod`ele et observations, apparemment irr´econciliables en raison du comportement du GCM vis-`a-vis des variables assimil´ees : temp´erature et a´erosols. Il serait donc tentant d’aller au-del`a de ce paradigme, en ajoutant de nouvelles variables dans le vecteur d’´etat atmosph´erique, ce qui nous permettrait d’utiliser des configurations diff´erentes du GCM pour le comparer aux observations. Cette mani`ere de proc´eder est une assimilation de param`etres (Ruiz et al., 2013b).
En pratique, le param`etre estim´e par assimilation varie pour chaque membre de l’ensemble et `a chaque nouvelle analyse, puisqu’il fait partie du vecteur d’´etat at-mosph´erique. Le param`etre est une variable scalaire, c’est-`a-dire de dimension z´ero, mais peut ˆetre d’un nombre de dimension quelconque, en introduisant une d´ependance spatiale. Le lien entre le param`etre que l’on cherche `a assimiler et la variable at-mosph´erique observ´ee, `a travers la matrice de covariance construite au moyen de l’en-semble, a ´et´e ´etudi´e par Ruiz et al. (2013a) au moyen du sch´ema LETKF. Il en ressort que l’utilisation de deux ensembles, l’un pour l’assimilation, l’autre pour ´etablir la matrice de covariance, permet de mieux estimer la valeur du param`etre et l’´etat at-mosph´erique.
Des exemples int´eressants existent sur le sujet, qui emploient un EnKF, et qui pourraient guider l’assimilation martienne dans cette voie. Ruiz and Pulido (2015) ont effectu´e une OSSE pour estimer douze param`etres d’un sch´ema de convection humide dans un GCM terrestre. Ils ont pu am´eliorer le r´esultat de leur assimilation, sans toute-fois estimer correctement les valeurs des param`etres assimil´es. Aksoy et al. (2006) ont
´
egalement utilis´e une OSSE et ont r´eussi `a estimer un coefficient de m´elange de leur mod`ele. Un des exemples les plus probants est celui de Schirber et al. (2013), qui, en utilisant des observations r´eelles, ont montr´e que l’assimilation de quatre variables de la param´etrisation physique d’un GCM terrestre (les taux d’entraˆınement des convections profondes et peu profonde, le flux de masse des nuages vers leur altitude de non flottabi-lit´e, et le taux de conversion de l’eau liquide des nuages en pluie) permet d’am´eliorer la performance de l’assimilation. Par la mˆeme occasion, Schirber et al. (2013) ont ´et´e ca-pables d’estimer les valeurs de trois de ces quatre param`etres, `a des valeurs diff´erentes de celles arbitrairement fix´ees dans la configuration de leur GCM. Il s’agit l`a d’une d´emarche tr`es puissante, et r´eussie, d’am´elioration du GCM par assimilation. L’assi-milation de param`etres avec EnKF a mˆeme ´et´e conduite pour des domaines tr`es vari´es de la g´eophysique : le climat (avec un mod`ele coupl´e atmosph`ere-oc´ean) (Annan et al., 2005), l’hydraulique (Sch¨oniger et al., 2012), le plasma ionosph´erique (Solomentsev et al., 2012), ou encore la structure interne terrestre (Aubert and Fournier, 2011).
La plupart de ces travaux mentionnent ´egalement un impact positif sur la diver-gence de filtre, puisque l’assimilation de param`etre introduit une source de variabilit´e suppl´ementaire pour le mod`ele et r´eduit son biais. Ceci interpelle dans le cas de notre ´
etude de l’atmosph`ere martienne, et on pourrait imaginer l’assimilation des param`etres suivants :
• Les propri´et´es radiatives de la poussi`ere et la glace, qui, bien qu’elles aient ´et´e mesur´ees par des observations satellite et rover pour la poussi`ere (Wolff et al., 2006, 2009) ou par des exp´eriences de laboratoire pour la glace (Warren, 1984), et valid´ees par confrontation avec les observations en temp´erature de TES (Madeleine et al., 2011, 2012), souffrent d’incertitudes. En effet, leur forme est suppos´ee cylindrique pour les particules de poussi`ere et sph´erique pour les cristaux de glace, alors qu’on pourrait s’attendre `a des formes plus complexes, surtout pour les cristaux de glace dont la croissance est un processus complexe et mal connu en conditions martiennes. Aussi, l’effet radiatif des grains de poussi`ere pris dans les cristaux de glace est pour l’instant n´eglig´e dans le GCM, et pourrait ˆetre pr´epond´erant pour des petites particules qui laissent apparentes une portion du grain de poussi`ere. De plus, nous supposons une distribution unimodale de particules, alors que des distributions bimodales ont ´et´e observ´ees par SPICAM, avec une population de particules extrˆemement petites (40 `a 70 nm) (Fedorova et al., 2014). Des propri´et´es radiatives diff´erentes pourraient jouer un rˆole dans le for¸cage de l’onde de mar´ee diurne ou semi-diurne.
• Le param`etre de contact de nucl´eation de la glace d’eau (section 2.2.2), ou plus particuli`erement sa d´ependance `a la temp´erature. En effet, les ´etudes exp´erimentales cherchant `a estimer la valeur de ce param`etre en conditions martiennes (Trainer et al., 2009; Iraci et al., 2010; Phebus et al., 2011) donnent une large gamme de valeurs entach´ees d’incertitudes (figure 7.8). Estimer correctement les processus de formation des nuages permettrait ´eventuellement de surmonter la difficult´e `a assimiler les observations de nuages rencontr´ee dans la section 6.5.4.
• De mˆeme, la variance effective de la distribution des particules de glace d’eau (section 2.2.2), qui pourrait ˆetre consid´er´ee comme un param`etre variable spatia-lement.
CHAPITRE 7. CONCLUSION 165