Le sondeur infrarouge hyperspectral IASI (Interféromètre Atmosphérique de Sondage Infrarouge) est l’instrument qui fournit le plus d’observations satellitaires au modèle de Prévision Numérique du Temps (PNT) ARPEGE (Action de Recherche Petite Échelle Grande Échelle) à Météo-France. Ce capteur a été développé conjointement entre le CNES (Centre National d’Études Spatiales) et EUMETSAT (European Organisation for the Exploitation of Meteorological Satellites) et est embarqué à bord des satellites défilants MetOp-A, B et C. L’assimilation de ces observations requiert l’utilisation d’un Modèle de Transfert Radiatif (RTM) qui s’appelle RTTOV à Météo-France. Ce dernier utilise une connaissance a priori de l’état thermodynamique et chimique de l’atmosphère le plus probable pour simuler les observations IASI. À Météo-France, les champs a priori thermodynamiques proviennent d'une prévision à courte échéance fournie par ARPEGE mais les informations sur la composition chimique de l’atmosphère sont issues de profils chimiques de référence invariants dans le temps et l’espace fournit par RTTOV. Or, cette approximation a un impact important sur la qualité des simulations et l’utilisation des observations satellitaires infrarouges pour la PNT. Les Modèles de Chimie Transport (CTM) sont capables de fournir des prévisions de la composition chimique de l’atmosphère. À Météo-France, ce CTM s’appelle MOCAGE. Ce travail de thèse propose donc une méthode permettant une meilleure assimilation des observations satellitaires infrarouges par un couplage entre les modèles météorologique et chimique.
La première partie du travail a été d’évaluer la sensibilité des observations infrarouges à la chimie atmosphérique. Pour cela nous avons participé à la campagne de mesure APOGEE (Atmospheric Profiles Of GreenhousE gasEs) qui nous a permis de mesurer des profils in situ de CO2, CH4 et O3. Ces données ont été utilisées à la fois pour valider la qualité de nos simulations et comme de données de vérification pour évaluer les a priori de composition chimique atmosphérique issus de CTM. Nous avons par la suite encadré deux stagiaires de Master 1 pour réaliser une climatologie évolutive de CO2 afin d'améliorer l’utilisation des observations satellitaires infrarouges. De ces études, il ressort que la qualité des simulations dépend de la précision de l’information chimique utilisée et le constituant chimique ayant l’impact le plus important sur les simulations est l’ozone. Ainsi, la suite du travail de thèse s'est donc articulée autour de l’ozone. Une première étape a consisté à préparer l’assimilation de canaux IASI sensibles à l’ozone. Ce travail a montré à la fois que l’utilisation d’une information réaliste d’ozone issue d’un CTM permet de mieux simuler les observations sensibles à l’ozone et d’apporter de l’information supplémentaire, améliorant simultanément les analyses de température, d’humidité et d’ozone [Coopmann et al., 2018]. Puis une nouvelle sélection de canaux IASI sensibles à l’ozone a mis évidence 15 canaux permettant également d’améliorer les analyses thermodynamiques et chimiques. Enfin cette sélection de canaux a été utilisée dans le système d’assimilation de données quadri-dimensionnelle (4D-Var) et un couplage a été réalisé entre les modèles ARPEGE et MOCAGE pour les champs d’ozone. Les résultats montrent que l’utilisation de l’ozone de MOCAGE permet une meilleure utilisation des observations satellitaires infrarouges et a un impact positif sur la qualité des analyses thermodynamiques et d’ozone mais également sur les prévisions météorologiques. |
The Infrared Atmospheric Sounding Interferometer (IASI) is the instrument that provides the most satellite observations to the ARPEGE (Action de Recherche Petite Échelle Grande Scale) Numerical Weather Prediction (NWP) model at Météo-France. This sensor was developed jointly by CNES (Centre National d'Études Spatiales) and EUMETSAT (European Organisation for the Exploitation of Meteorological Satellites) and is carried on board the MetOp-A, B and C polar orbiting satellites. The assimilation of these observations requires the use of a Radiative Transfer Model (RTM) called RTTOV at Météo-France. The latter uses an a priori knowledge of the most likely thermodynamic and chemical state of the atmosphere to simulate IASI observations. At Meteo-France, the a priori thermodynamic fields come from a short-term forecast provided by ARPEGE but the information on the chemical composition of the atmosphere comes from reference chemical profiles that are invariant in time and space. However, this approximation has a significant impact on the quality of simulations and the use of infrared satellite observations for NWP. Chemistry Transport Models (CTM) are able to provide forecasts of the chemical composition of the atmosphere. At Météo-France, this CTM is called MOCAGE. This thesis therefore proposes a method toward a better assimilation of infrared satellite observations by coupling meteorological and chemical models.
The first part of the work was to evaluate the sensitivity of infrared observations to some atmospheric compounds. To do so, we participated in the APOGEE (Atmospheric Profiles Of GreenhousE gases) measurement campaign, which enabled us to measure in situ profiles of CO2, CH4 and O3. These data were used both to validate the quality of our simulations and as verification data to assess atmospheric chemical composition derived from CTM. We then supervised two Master 1 trainees to carry out an evolving climatology of CO2 in order to improve the use of infrared satellite observations. From these studies, it appears that the quality of the simulations depends on the accuracy of the chemical information used and the chemical component with the greatest impact on the simulations is ozone. Thus, the rest of the thesis work was therefore focused on ozone. A first step was to prepare the assimilation of ozone-sensitive IASI channels. This work has shown both that the use of realistic ozone information from a CTM can better simulate ozone-sensitive observations and provide additional information, simultaneously improving temperature, humidity and ozone analyses [Coopmann et al., 2018]. Then a new channel selection of IASI ozone-sensitive highlighted 15 channels that also improve thermodynamic and chemical analyses. Finally, this channel selection was used in the four-dimensional data assimilation system (4D-Var) and a coupling was performed between the ARPEGE and MOCAGE models for ozone fields. The results show that the use of ozone from MOCAGE allows a better use of infrared satellite observations and has a positive impact on the quality of thermodynamic and ozone analyses but also on weather forecasts. |