Apport de la synergie des observations satellitaires pour la définition de la température de surface en prévision numérique

Contribution of the satellite observations synergy in the definition of surface temperature in numerical weather prediction

• Auteur / Autrice : Mohamed Zied Sassi
• Direction : Nadia Fourrié, Camille Birman, Vincent Guidard
• Type : Thèse de doctorat
• Discipline(s) : Océan, Atmosphère, Climat
• Date : Soutenance le 07/12/2020
• 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 : Centre national de recherches météorologiques (France)

Mots clés

Mots clés contrôlés

Temps (météorologie) -- Prévision numérique

Meteosat (satellites météorologiques)

Mesure

Température atmosphérique

Mots clés libres

Télédétection

Infrarouge

Observations satellitaires

Diagnostics d'erreur

Restitution de température de surface

Continents

Assimilation de données

Analyse de surface

Prévision numérique du temps

Remote sensing

Infrared

Satellite observations

Error diagnostics

Land Surface Temperature retrieval

Data assimilation

Surface analysis

Numerical Weather Prediction

Résumé

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 sur des grandes échelles spatiales (environ 100 km) et plus lentement que sur continents, au-dessus desquels sa variabilité est beaucoup plus importante spatialement et plus rapide, 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 séparément, un canal fenêtre pour restituer la LST en ciel clair qui est ensuite utilisé 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 (Spinning Enhanced Visible and Infrared Imager) [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 instruments 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. 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.[...]

Modeling surface-atmosphere radiative exchanges is crucial in numerical weather prediction. The surface temperature is a key parameter in this modelization. Above sea, the surface temperature varies on large space and time scales, unlike the continents above which its variability is much larger. 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 consists in using 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 SEVIRI [Aminou, 2002] and 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 are used 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 ST retrieved from SEVIRI gave a better simulation of the brightness temperatures of IASI compared to the use of the surface temperature from AROME model forecasts, and a better simulation of SEVIRI brightness temperatures was also obtained with the IASI LST than with the surface temperature from AROME forecasts. Following this preparatory study, we set up an assimilation experiment of the LSTs retrieved from SEVIRI instrument in the AROME NWP model. The assimilation of SEVIRI LSTs slightly improve the assimilation of the satellite radiances of different sensors in the atmospheric model on most analysis networks. [...]