Approche physico-statistique de la désagrégation des précipitations satellite dans les Tropiques

A physical-statistical approach for disaggregating satellite precipitation in the tropics

• Auteur / Autrice : Clément Guilloteau
• Direction : Rémy Roca, Marielle Gosset
• Type : Thèse de doctorat
• Discipline(s) : Océan, atmosphère et surfaces continentales
• Date : Soutenance le 07/11/2016
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Etudes en Géophysique et Océanographie Spatiales (Toulouse ; 1995-....)

Mots clés

Mots clés contrôlés

Télédétection -- Appareils et matériel

Régions tropicales

Précipitations (météorologie) -- Mesure

Mots clés libres

Précipitations

Tropiques

Télédétection

Satellite

Désagrégation

Estimation

Détection

Ondelettes

Stochastique

Météorologie

Climat

Traitement du Signal

Precipitation

Tropics

Remote Sensing

Satellite

Downscaling

Estimation

Detection

Wavelet

Stochastics

Meteorology

Climate

Signal Processing

Résumé

Les précipitations sont un phénomène dont la variabilité s'étend sur une très large gamme d'échelles : de l'échelle millimétrique de la goutte d'eau (échelle microphysique) à l'échelle des circulations atmosphériques globales (échelle synoptique). Il n'existe pas de système unique capable de fournir des observations des précipitations couvrant toutes ces échelles. Les observations satellite sont celles qui actuellement résolvent le plus efficacement les grandes échelles spatiales et temporelles : de la méso-échelle à l'échelle synoptique. Dans cette thèse, nous explorons en zone tropicale les capacités des satellites à résoudre les échelles spatiales de l'ordre de 100km, jusqu'aux échelles kilométriques ; et les échelles temporelles comprises entre 24 heures et 15 minutes (afin de résoudre le cycle diurne). L'approche retenue est physico-statistique. Si les grandes échelles peuvent être résolues par des approches déterministes combinant les mesures de multiples instruments spatiaux, plusieurs facteurs limitent la pertinence des approches déterministes à fine échelle : - Les limites instrumentales en terme de résolution spatiale. - Le nombre d'instruments en orbite qui limite la fréquence d'échantillonnage des mesures. - La nature dynamique de la variabilité fine échelle. En particulier, aux fines échelles, c'est la difficulté à parfaitement localiser les structures précipitantes qui entraine les erreurs d'estimation les plus importantes. L'approche physico-statistique est ici synonyme de déterministe (pour les grandes échelles) et probabiliste (pour les fines échelles). Le premier objectif de cette thèse est de déterminer précisément la limite des échelles qui peuvent être résolues de façon déterministe. L'approche physico-statistique de l'estimation des intensités de précipitation est implémentée dans cette thèse à partir d'une méthode multicapteur déterministe pré-existante : l'algorithme TAPEER, développé dans le cadre de la mission Megha-Tropiques, qui fournit une estimation du cumul pluviométrique journalier à une résolution de 1°. C'est la génération d'ensembles désagrégés par une méthode stochastique multi-échelle qui a été retenue ici. Les ensembles sont contraints par une information fine échelle : un masque de détection des aires précipitantes dérivé des images infrarouge metosat-SG à une résolution de 3km (et avec une image toutes les 15 minutes). La génération d'ensemble permet de caractériser l'incertitude sur l'estimation à travers la dispersion des réalisations de l'ensemble. Chaque réalisation de l'ensemble est générée de façon à reproduire le plus fidèlement possible les propriétés statistiques (distribution de fréquence des intensités, autocorrélation spatiale et temporelle) des véritables champs de précipitation. Ces champs et cette technique ont un apport pour les applications hydrologiques, par exemple pour améliorer le ruissellement lié aux précipitations intenses dans les modèles. Considérer plusieurs réalisations permet de plus d'étudier la propagation des incertitudes à travers un modèle.

Rainfall variability involves a wide range of scales: from the millimeter-scale associated with microphysics to the synoptic scale of the global atmospheric circulation. No existing observation system is able to cover all these scales by itself. Satellite-based observation systems are currently the most efficient systems to resolve the large spatial and temporal scales: from mesoscale meteorology to the synoptic scale. This thesis is dedicated to the exploration of satellites ability to resolve spatial scales from 100km to 2km and temporal scales from 24h to 15 min (in order to resolve the diurnal cycle). The chosen approach is both physical and statistical (or deterministic and probabilistic). The idea is that the deterministic approach can resolve the large scales, but several factors limit its relevance when dealing with fine scales: -The limited resolution of the instruments. -The number of orbiting instruments that limits temporal sampling. -The dynamic nature of fine scale variability. At fines scales, most of the errors in rainfall estimation from satellite comes from not perfectly localizing the precipitating cells. The first objective of this thesis is to identify precisely the lowest limit in scale where the deterministic approach is appropriate. The implementation of the physical-statistical approach relies on an existing multisensor estimate of daily precipitation at a 1° resolution: the TAPEER algorithm developed as part of the Megha-Tropiques mission. The chosen method is a hybrid physical disaggregation and stochastic downscaling via a multiscale representation. The result is an ensemble of high-resolution probable realizations of the rain intensity field. The ensemble is constrained by a high resolution rain detection mask derived from meteosat-SG infrared images at 3km resolution (one image every 15 minutes). The uncertainty associated with the final estimation is handled through the ensemble dispersion. Every realization is generated so that its statistical properties (frequency distribution of the intensities, autocorrelation function) mimic those of the true rain field. The generated fields and the proposed technique contribute to hydrological applications for instance by improving the runoff associated to high precipitation rates in models. Using several realizations is a way to study uncertainty propagation through a model.