La modélisation des échanges radiatifs surface-atmosphère est cruciale en prévision numérique du temps. La température de surface est un paramètre clé dans cette modélisation. Sur mer, la température de surface varie peu en temps et dans l’espace, contrairement aux continents au-dessus desquels sa variabilité est beaucoup plus importante, ce qui rend son observation ainsi que sa prévision plus difficiles. L’évolution des techniques d’observation météorologique, notamment les satellites météorologiques, a permis de mieux observer la température de surface sur continents (LST). Toutefois, la LST n’est pas directement observée par les instruments satellitaires mais elle est restituée à partir de mesures de rayonnement au sommet de l’atmosphère. Or la LST est importante pour exploiter pleinement les luminances satellitaires dans les modèles de prévision numérique du temps. À Météo-France, l’approche adoptée pour certains instruments infrarouges consiste à utiliser, pour chaque instrument séparemment, un canal fenêtre pour restituer la LST en ciel clair qui est ensuite utilisée pour l’assimilation des autres canaux de ce même instrument. Cependant, ces LST ne sont pas assimilées dans le système d’analyse de surface du modèle AROME. Ce travail de thèse consiste à étudier l’accord entre les LST restituées à partir de différents capteurs puis à évaluer l’impact de leur assimilation dans le modèle AROME [Seity et al., 2011]. Des comparaisons entre les LST restituées à partir du capteur infrarouge SEVIRI [Aminou, 2002] et des observations locales aux stations de Toulouse Météopole-Flux [Maurel, 2019] et
d’Evora [Kabsch et al., 2008] montrent un bon accord global du cycle diurne, en particulier pendant les mois d’été. En ce qui concerne les comparaisons entre les LST restituées à partir des capteurs infrarouges SEVIRI et IASI, les différences moyennes sont de l’ordre du degré, avec des écarts-types plus faibles de nuit que de jour. Concernant les capteurs micro-ondes, les comparaisons entre les LST restituées à partir de SEVIRI et les LST de AMSU-A et MHS montrent un moins bon accord qu’entre les capteurs infrarouges, avec des écarts-types de l’ordre de 4K. En effet, les canaux fenêtre des instruments micro-ondes sont sensibles aux premiers centimètres du sol, contrairement aux capteurs infrarouges qui sont sensibles uniquement à la couche superficielle.
Par la suite, des simulations de températures de brillance de plusieurs capteurs utilisant des températures de surface différentes ont permis d’évaluer la pertinence des LST restituées à partir d’un capteur pour l’assimilation de canaux d’autres instruments. Ainsi, pour les capteurs infrarouges, l’utilisation d’une LST restituée à partir de SEVIRI a donné une meilleure simulation des températures de brillance de IASI par rapport à l’utilisation de la température de surface prévue par le modèle AROME, et une meilleure simulation des températures de brillance SEVIRI a été également obtenue avec la LST IASI qu’avec la température de surface prévue par AROME.
À la suite de cette étude préparatoire, nous avons mis en place une expérience d’assimilation des LST restituées à partir de SEVIRI dans le modèle de PNT AROME. L’assimilation des LST SEVIRI permet d’améliorer légèrement l’assimilation dans le modèle atmosphérique des radiances satellitaires de différents capteurs sur la plupart des réseaux d’analyse. Un impact positif a été également remarqué sur l’assimilation de la température et l’humidité à 2 m avec une légère réduction des biais. En ce qui concerne les prévisions, une amélioration significative a été notée de nuit pour les paramètres de température et d’humidité à 2 m. La comparaison par rapport aux données de radiosondages a montré un léger impact en altitude sur les prévisions de température et d’humidité. Ces résultats sont encourageants pour étendre l’assimilation des LST satellitaires à d’autres capteurs, à davantage de réseaux d’analyse et à différentes périodes de l’année. |
Modeling surface-atmosphere radiative exchanges is crucial in numerical weather prediction. The surface temperature is a key parameter in this modelization. Over sea, the surface temperature varies little in time and space, unlike the continents above which its variability is much greater. This makes its observation and prediction more difficult. Developments in meteorological observation techniques, in particular meteorological satellites, allow to better observe the surface temperature on continents (LST). However, the LST is not directly observed by satellite instruments but it is retrieved from radiation measurements at the top of the atmosphere. However, a good LST accuracy is important for the assimilation of satellite luminances in numerical weather prediction models.
At Météo-France, the adopted approach is to use a window channel to retrieve the LST in clear sky conditions, which is then used to assimilate the other satellite channels of the infrared instruments in the model. However, these LSTs are not assimilated in the surface analysis system of the AROME model [Seity et al., 2011]. This phD work consists in studying the agreement between the LSTs retrieved from different sensors and then in evaluating the impact of their assimilation in the AROME model. Comparisons between the LSTs retrieved from the SEVIRI [Aminou, 2002] local observations from infrared sensor at the Toulouse Météopole-Flux [Maurel, 2019] and Evora [Kabsch et al., 2008] stations show a good overall agreement of the diurnal cycle description, especially during the summer months. Regarding the comparisons between the LSTs retrieved from the infrared sensors SEVIRI and IASI, the average differences are around one degree, with smaller standard deviations of differences at night-time than during daytime. Regarding microwave sensors, comparisons between LSTs retrieved from SEVIRI and LSTs from AMSU-A and MHS show less agreement than between infrared sensors, with standard deviations of the order of 4K. In fact, the window channels of microwave instruments are sensitive to the first few centimeters of the ground, unlike infrared sensors which are sensitive only to the surface skin layer. Subsequently, brightness temperature simulations of several sensors using different surface temperatures allow to assess the suitability of the LSTs retrieved from one sensor for the assimilation of channels from other instruments. For the infrared sensors, the use of an LST retrieved from SEVIRI gave a better simulation of the brightness temperatures of IASI compared to the use of the surface temperature predicted by the AROME model, and a better simulation of SEVIRI brightness temperatures was also obtained with the IASI LST than with the surface temperature predicted by AROME. Following this preparatory study, we set up an assimilation experiment of the LSTs retrieved from the SEVIRI instrument in the AROME NWP model. The assimilation of the SEVIRI LSTs slightly improve the assimilation of the satellite radiances of different sensors in the atmospheric model on most analysis networks. A positive impact was also noticed on the assimilation of temperature and humidity at 2 m observations with a slight reduction in analysis bias. Regarding the forecast, a significant improvement was found at night for the temperature and humidity parameters at 2 m especially at 24, 30 and 48 h forecast ranges. Comparison with radiosonde data showed a slight positive impact at altitude on temperature and humidity forecasts. These results are encouraging to extend the assimilation of satellite LSTs to other sensors, to the whole analysis times and to different periods of the year. |