École Nationale Supérieure des Techniques Avancées BretagneCentre National de Recherche Météorologique Groupe d’études de

l’Atmosphère Météorologique

22 août 2014Rapport de Projet de Fin d’Étude

Températures de surface restituées par satelliteen Antarctique : validation et interaction avec la

couverture nuageuse

Dracos Aurore encadrée par Guidard Vincent, Fourrié Nadia et Brun ÉricPromotion 2014

Option Hydrographie

Remerciements

Je tiens à remercier tout particulièrement mes encadrants de stage : Vincent Guidard, NadiaFourrié et Éric Brun pour le temps qu’ils m’ont consacré tout au long de mon stage, sachantrépondre à toutes mes interrogations et sans oublier leur participation au cheminement de cerapport.Un grand merci également à Hélène Fréville pour m’avoir donné les données de MODIS clair,pour avoir traité et donné les Ts in-situ et pour avoir pris le temps de répondre à toutes mesquestions.Je remercie Roderic Moitié pour le suivi de mon stage. Je remercie également Émilie Bressonet Alexandre Philip pour la relecture du rapport ainsi que leur aide avec LaTex.Enfin, Je tiens à remercier toute l’équipe du GMAP pour m’avoir accueillie, intégrée dansl’équipe et qui a contribué à ce que mon stage se passe dans les meilleures conditions.

1

Résumé

L’Antarctique est une région dont l’isolement, l’environnement difficile et les hautes altitudes duplateau sont responsables de la faible densité d’observations de terrain. Les données satellitairesjouent donc un rôle important pour l’observation de ce continent. Néanmoins, ces données dansle domaine spectral infrarouge (IR) et visible sont fortement sensibles aux nuages. Ces derniersreprésentent un obstacle à la propagation de l’onde émise ou réfléchie par la surface terrestre.Dans ce contexte, mon travail avait pour objectif de valider des températures de surface enAntarctique restituées par l’interféromètre hyperspectral IASI (Infrared Atmospheric SoundingInterferometer) présent sur deux satellites, Metop A et Metop B au cours des années 2012et 2013. Dans cette validation, on a aussi évalué la détection nuageuse de l’imageur AVHRR(Advanced Very High Resolution Radiometer). Cet instrument est un imageur à larges bandesspectrales, présent sur les satellites Metop, qui renseigne sur la couverture nuageuse. De plus, lesdonnées IASI ont été comparées avec : les données de l’imageur MODIS (Moderate ResolutionImaging spectroradiometer) présent sur les satellites Terra et Aqua, les données de stationsautomatiques in-situ et des données de modèle de prévision numérique de temps ARPEGE(Action de Recherche Petite Echelle Grande Echelle).

Pour ne pas être influencé par le rayonnement solaire et pour limiter le nombre de données àutiliser, on concentre notre étude du 21 mai au 21 juillet 2013, pendant la nuit de l’hiver austral.Pour cette période, plusieurs difficultés sont apparues dans la validation des températures desurface restituées par IASI :

— la détection nuageuse de l’AVHRR n’est pas fiable en Antarctique. De plus, aux heuressolaires 8 et 9h, la détection surestime fortement les pixels nuageux. Enfin, la détectionde l’AVHRR sur Metop A indique une plus grande quantité de pixels clairs que celle del’AVHRR sur Metop B.

— la comparaison des données IASI avec celles de MODIS en ciel clair ne donne pas de ré-sultats convaincants sur tout l’Antarctique. De trop grandes différences de températuresapparaissent sur les côtes et au centre de l’Antarctique pour les régions les plus hauteset les plus froides.

— la comparaison de données in-situ avec les données de IASI non filtrées n’a pas étéconcluante en raison du givrage des instruments qui élimine un grand nombre de me-sures in-situ et aux grandes différences de températures pour les données restantes.

Néanmoins, des résultats encourageants sont trouvés pour les températures de surface issuesdu modèle de prévision du temps ARPEGE suite à des modifications sur la paramètrisationde la neige en 2010. De meilleurs résultats sont trouvés par rapport à ceux obtenus par AnaisVincensini lors de sa thèse. De plus, au cours de l’année 2012, la comparaison entre les donnéesin-situ, celles de IASI brutes et celles de MODIS filtrées par temps clair, donne d’excellentsrésultats sur le plateau, à Dôme C Concordia. Un cycle diurne est parfaitement observé àtravers ces produits au cours de l’été. Ces résultats sont en accord avec ceux d’Anais Vincensinipour janvier et Février 2009.

Table des matières

Introduction 2

1 Prologue 31.1 Cadre du stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.1.2 Mise en évidence du problème scientifique . . . . . . . . . . . . . . . . . 3

1.2 Mesures satellitaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.2.1 Le sondeur IASI et l’imageur MODIS . . . . . . . . . . . . . . . . . . . . 51.2.2 Principe de l’inversion de l’équation du Transfert Radiatif par la méthode

mono canal, (Phulpin et al., 2003) et (Guedj, 2011) . . . . . . . . . . . . 81.3 Température de l’ébauche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.4 Mesures in-situ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Comparaison des températures de surface de l’interféromètre IASI de MetopA et Metop B et intéraction avec la couverture nuageuse en Antarctique 112.1 Comparaison des données de IASI présent sur les satellites Metop . . . . . . . . 11

2.1.1 Vérification de l’absence de cycle diurne . . . . . . . . . . . . . . . . . . 112.1.2 Comparaison par cartes . . . . . . . . . . . . . . . . . . . . . . . . . . . 152.1.3 Comparaison par corrélation . . . . . . . . . . . . . . . . . . . . . . . . . 192.1.4 Comparaison par tests statistiques d’homogénéité . . . . . . . . . . . . . 19

2.2 Évaluation du flag nuageux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222.2.1 Mise en évidence de problèmes . . . . . . . . . . . . . . . . . . . . . . . . 222.2.2 Vérification du problème du flag nuageux à 8 et 9h solaires . . . . . . . . 252.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3 Évaluation des températures de surface restituées par IASI en Antarctique 293.1 Étude sur tout l’Antarctique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.1.1 Comparaison IASI-MODIS . . . . . . . . . . . . . . . . . . . . . . . . . . 293.1.2 Comparaison IASI-Ébauche . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.2 Étude de comparaison ponctuelle sur des stations . . . . . . . . . . . . . . . . . 373.2.1 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 383.2.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4 Étude du cycle diurne à Dôme C 434.0.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Conclusion 47

Annexe 56

1

Introduction

Difficilement accessible, peu accueillant par ses températures glaciales et ses reliefs, l’Antarc-tique est un continent dont les connaissances climatiques et géophysiques restent perfectibles.Cette lacune doit être comblée dans la mesure où le continent représente un élément-clé pourmieux comprendre, appréhender et anticiper le réchauffement climatique et tout phénomèneclimatique.Dans ce contexte, les données satellitaires sur l’Antarctique représentent une source d’informa-tion non négligeable qui doit être exploitée au mieux.

Néanmoins, leur manipulation peut poser problèmes :-d’une part, les sondeurs et imageurs fournissent une impressionnante quantité de données, ilconvient de sélectionner celles que l’on souhaite.-d’autre part, la mesure satellitaire est une mesure télédétectée (par distance), cela donne unetempérature de surface de manière indirecte. Dans le domaine spectral du visible et de l’ Infra-rouge (IR), cette mesure à distance est fortement sensible aux nuages : des paramètres différentssont mesurés par temps clair et nuageux.

Dans ce contexte, l’étude de mon stage porte sur les données de l’Interféromètre Atmosphé-rique de Sondage par l’Infrarouge (IASI), se trouvant à bord de deux satellites MeteorologicalOperational (Metop).Le principal objectif du stage est l’évaluation des températures de surface de l’Antarctiquerestituées à partir des observations de IASI, ce qui passe par une évaluation de la détectionnuageuse de l’instrument Advanced very High Resolution Radiometer (AVHRR) présent surMetop.Cette validation de Ts réalisée, les données pourront être comparées statistiquement à cellesd’un autre instrument Moderate Resolution Imaging spectroradiometer (MODIS) afin d’étudierle cycle diurne de la température de surface. Cette étude sur le cycle diurne intéresse mon tu-teur et chercheur au CNRM, Éric Brun. De plus, ces données sont utiles à Hélène Fréville, unedoctorante dans le laboratoire où j’ai travaillé, qui en déduit des profils superficiels de densitéde neige.

Dans un premier temps, une mise en évidence du problème et une description des satelliteset instruments utilisés seront faites. Dans un deuxième temps, on s’intéressera d’une part auxdonnées de IASI sur les deux satellites Metop, d’autre part à la détection nuageuse de l’AVHRR.Dans une troisième partie, l’évaluation des températures de surface de IASI sera effectuée avecles données données satellitaires provenant de l’instrument MODIS et des données in-situ. Dansune dernière partie, on étudiera le cycle diurne des températures de surface sur l’année 2012sur Dôme C avant la conclusion.

2

Chapitre 1

Prologue

1.1 Cadre du stage

1.1.1 Contexte

Mon stage s’est effectué au sein du laboratoire du Centre National de Recherche Météoro-logique - Groupe d’études de l’Atmosphère Météorologique (CNRM-GAME) qui est une unitéde recherche mixte entre Météo-France et le Centre National de Recherche Scientifique (CNRS)qui travaille sur "la prévision du temps et l’évolution du climat"(CNRM-GAME, 2014).Huit groupes de recherche composent ce laboratoire dont le Groupe de Modélisation et d’As-similation pour la Prévision (GMAP) qui est lui même divisé en cinq équipes dont l’équipeObservations.GMAP "développe des logiciels de Prévision numérique pour Météo France"(CNRM-GAME,2014). Actuellement, trois modèles de prévision sont utilisés : ARPEGE (Action de RecherchePetite Échelle Grande Échelle), modèle planétaire "destiné à la représentation des phénomènesmétéorologiques de grande échelle", Application de la Recherche à l’Opérationnel à Mésoéchelle(AROME), un modèle à très fine échelle (résolution de l’ordre de 2km) utilisée pour la prévisionmétéorologique sur la France métropolitaine et Aire limitée Adaptation dynamique Dévelop-pement InterNational (ALADIN), modèle dont la résolution spatiale est de l’ordre de 7 à 10km plus utilisé dans les régions d’Outre Mer en particulier pour l’observation des phénomènestropicaux, (CNRM-GAME, 2014). Pour l’étude de l’Antarctique, le modèle ARPEGE a étéutilisé.L’équipe Observations, composé d’une quinzaine de personnes, s’occupe principalement desdonnées satellitaires et cherche à accroitre l’utilisation de ces données dans les modèles présen-tés précédemment.Dans l’équipe Observations, on distingue plusieurs thèmes dont celui des radiances infrarouges(IR). Deux permanents Nadia Fourrié et Vincent Guidard, un post-doctorant Javier Andrey-Andres et moi-même, travaillent sur ce thème. Nadia et Vincent m’ont encadrée au cours deces cinq mois de stage, ainsi qu’Éric Brun.

L’objectif de l’équipe que j’ai rejointe pendant cinq mois est donc d’améliorer le traitementde données satelitaires en Infrarouge afin d’améliorer leur utilisation dans les modèles.

1.1.2 Mise en évidence du problème scientifique

Notre région d’étude est l’Antarctique. Ce large continent a une superficie de 14 millions dekm2 ce qui est 1,4 fois plus grand que les États-Unis et plus de 21 fois la superficie de la France(Fig 1.1). L’Antarctique est recouvert d’une large épaisseur de neige appelée inlandsis dontl’épaisseur moyenne est de 2200m et qui peut dépasser les 4000m. Cette couche de neige reposesur un substratum rocheux qui s’est s’enfoncé dans la lithosphère pour réquilibrer les masses(principe d’isostasie). Avec une altitude moyenne de 2300m, l’Antarctique est le continent leplus haut. La chaine transantarctique, située au sud est du pôle sud, culminant parfois à plus

3

de 4000m, sépare l’Antarctique en deux parties inégales : l’Antarctique occidental (de l’Ouest)qui est plus petite et moins haute en altitude (ne dépasse pas les 2000m) et l’Antarctique del’Est (Antarctique Oriental) constitué principalement du plateau (altitude supérieure à 2000m)et au centre un haut sommet le Dôme Argus culminant à plus de 4000m d’altitude. Aux bordsdu continent, la neige flotte mais ne se détache pas ce qui créent des plateformes géantes. On endistingue deux importantes : la plateforme de Ross qui sépare les deux régions de l’Antarctiqueet la plateforme d’Amery située à l’ouest, près du Dôme C. L’altitude s’élève très vite de lacôte pour atteindre le plateau (Rémy, 2003). Continent le plus haut, il est également le plusfroid et le plus venté. Le plus froid, du fait de la forte incidence des rayons solaires arrivantau pôle, de l’absence de soleil pendant la nuit australe, du relief fortement élevé et des effetsdu fort albédo 1 de la neige, 80% des rayons solaires sont réfléchis par la surface, (Rémy, 2003).Deux saisons se répartissent l’année : l’hiver austral de mi-mars à mi-septembre et l’été australde mi-septembre à mi-mars. Durant l’hiver Austral, on distingue des températures de surfaceplus froides, entre -20˚C et -70˚C en décroissant des côtes vers l’intérieur.

Antarctique de l'Ouest Antarctique

de l'EstChaîne

transantarctiquePlate-forme

de Ross

Plate-formed'Amery

DômeArgus

Pôle Sud

Péninsule Antarctique

Figure 1.1 – Image de l’Antarctique par le satellite Landsat [source LEGOS]

La principale raison de l’intérêt actuel des chercheurs d’Observations s’inscrit dans la conti-nuité du projet Concordiasi. Ce projet franco-américain, débuté en 2008 lors de l’année polaireinternationale, fini en 2010 a été coordonné par le CNRM-GAME, (Rabier et al., 2010a) et (Ra-bier et al., 2010b). Il vise à améliorer la qualité des prévisions météorologiques sur le continent.Plusieurs ballons stratosphériques et autres capteurs ont été lancés dans l’atmosphère afin derécupérer des informations sur l’état de l’atmosphère comme la température, le vent ou encorela teneur en humidité pour calibrer les données satellitaires sur cette région dans les modèlesde prévision numérique de temps.Il existe plusieurs types de mesures satellitaires météorologiques présentant chacun des avan-tages et des désavantages. Par exemple, les mesures dans le visible ont le défaut d’être opé-rationnelles seulement de jour tandis que les mesures IR sont faites de jour comme de nuit.Cependant, ces deux mesures sont sensibles à la présence de nuages (dans ce cas, la surfaceest invisible). Les données dans le micro-onde sont opérationnelles par temps clair et nuageux,néanmoins la mesure faite en micro-ondes n’est plus de surface mais de couche (plus grande

1. albédo : capacité à renvoyer l’énergie solaire

4

pénétration du rayonnement électromagnétique dans la surface). Ainsi, dans le cas de donnéesIR, le principal problème concerne les nuages qui perturbent la propagation de l’onde électro-magnétique dans l’atmosphère. De plus, la détection de nuages est très difficile sur le continentAntarctique du fait des très froides températures à la surface.

Dans ce contexte, l’objectif de mon stage consiste à valider la température de surface resti-tuée par l’interféromètre IASI à bord de deux satellites : Metop A et B en Antarctique. Danscette validation se posent plusieurs questions :

— comment être sûr que l’on mesure la température de neige et non la température ausommet de nuage ?

— comment valider les températures de surface restituées à partir de IASI ?La première question pourra être traitée par une évaluation de la détection nuageuse en

Antarctique faite à partir du traitement de données de l’imageur AVHRR présent sur Metop.Concernant la seconde question, on pourra y répondre en comparant ces Ts à des données fiablesou déjà validées : Ts du radiomètre spectral, MODIS, températures issues d’ARPEGE, modèlede Prévision Numérique du Temps et températures de surface in-situ. Avant de s’aventurer dansla comparaison de données, on doit être certain que les données IASI de Metop A et Metop Bsont significativement identiques.

1.2 Mesures satellitaires

1.2.1 Le sondeur IASI et l’imageur MODIS

Metop est issu d’un projet lancé par l’Organisation européenne pour l’exploitation dessatellites météorologiques (Eumetsat) et l’Agence Spatiale Européenne (ESA). Trois satellitescomposent la série de Metop. Lancés en octobre 2006, septembre 2012 et prévu pour 2017, cessatellites fournissent en théorie des données météorologiques jusqu’en 2020.Onze instruments sont à bord de Metop. Parmi eux, on trouve IASI par IR et l’AVHRR, ins-truments qui nous intéressent tout particulièrement.

Aqua est un satellite de recherche scientifique de la National Aeronautics and Space Adminis-tration (NASA), mis en orbite en (mai) 2002. Comme son nom l’indique, sa mission principaleest de collecter des informations sur l’eau sur toutes ses formes : l’évaporation des océans, lavapeur d’eau dans les océans, les nuages mais aussi la neige de mer.

Terra est également un satellite de recherche scientifique de la NASA mis en orbite plus tôten 1999 dont l’objectif est d’observer l’atmosphère, l’océan, le terre, la neige et la neige et leurévolution. Sur ces deux satellites est présent le radiomètre MODIS.

Une comparaison de caractéristiques des satellites Metop et Terra/Aqua a été effectuée enAnnexe 1.

Leur résolution temporelle 2 leur permet de repasser deux fois sur un point au cours de lajournée (environ 12h).

IASI est le premier sondeur IR européen développé entre le Centre National des ÉtudesSpatiales (CNES) et Eumetsat. Une nouvelle génération d’interféromètre IASI est prévue pour2021 : IASI New Generation qui sera " deux fois plus performant que son prédécesseur IASI,sur les performances de bruit radiométrique et de résolution spectrale 3 " (CNES, 2014b).

Cet interféromètre mesure la puissance du flux de rayonnement électromagnétique émis etréfléchi par différentes cibles comme la surface de la Terre et les différentes couches de l’atmo-sphère. Cette intensité appelée luminance est mesurée simultanément sur 8461 canaux (bandes

2. résolution temporelle : intervalle entre deux passages successifs du satellite3. résolution spectrale : capacité à discerner des bandes de longueurs d’ondes différentes

5

spectrales) avec une résolution spectrale fine de 0,25 cm−1 .

Les objectifs de IASI sont multiples (Cayla, 2001) :— obtenir des profils verticaux de température et d’humidité avec une précision absolue de

1K pour 1km pour la température et de 10% pour 1km par ciel clair ou partiellementnuageux

— mesurer les contenus des constituants gazeux : l’ozone, le monoxyde de dihydrogène, lemonoxyde de carbone et le méthane

— permettre de déterminer la température de surface— étudier les interactions entre les nuages et le rayonnement atmosphérique grâce à son

imageur intégré et l’instrument AVHRR que l’on verra plus tard

MODIS est un radiomètre spectral à résolution modérée conçu par la NASA.Cet instrument permet de mesurer de nombreux paramètres dont la couleur de l’océan, la teneuren vapeur d’eau, en ozone dans l’atmosphère, les températures atmosphériques, les températuresde surface et le phytoplancton. Il mesure dans l’infrarouge l’émission thermique de la cible dejour comme de nuit.

Leurs principales caractéristiques sont présentes sur le tableau 1.1.

Paramètres IASI MODISDomaine spectral 3,7− 15,5 µm 0,4− 14,4 µmNombre de canaux 8461 36Résolution spectrale 0,25 cm−1 1,5 cm−1

Fauchée 2100 km 2330 kmRésolution spatiale au nadir 12 km 250 m (1-2) 500 m(3-7) 1 km(8-36)

Tableau 1.1 – Comparaison des instruments IASI et MODIS, sources (NASA, 2014), (Phul-pin et al., 2003) et (CNES, 2014a)

La résolution spatiale 4 au nadir est moins fine pour IASI que pour MODIS (12km contre1km). Cette différence de résolution spatiale pourrait poser problème pendant la comparaisonentre IASI et MODIS.

La fauchée 5 de IASI mesure environ 2100 km de large environ et est constituée de trentevisées. À chaque visée, IASI sonde simultanément quatre pixels de 12 km de diamètre au nadiret la taille du pixel augmente en bord de fauchée, (Fig 1.2).

4. résolution spatiale : capacité à distinguer des portions de la surface de plus en plus petites5. fauchée : zone balayée par le capteur

6

Figure 1.2 – Satellite Metop et principe de balayage [source CNES]

Dans mon stage, on a utilisé les Températures de surface (Ts) MODIS fournies et éva-luées par Hélène Fréville dans (Fréville et al., 2014). Dans cette évaluation, un biais variant de-1.8˚C à 0.1˚C et un Root Mean Square Error (RMSE), erreur quadratique moyenne, de 2,2˚Cà 4,8˚C son trouvés sur les stations situées sur le plateau. De plus grandes erreurs sont trouvéespour les régions côtières. Ces Ts sont issues des produits Terra MOD11 et Aqua MYD11. Cesproduits qui ont été évalués dans (Wan, 2014), en utilisant la méthode monocanal : inversionde l’équation de transfert radiatif (TR) à partir des Température de brillance (Tb) 6 du canal31.Le filtrage des données claires est effectué par l’algorithme de Wan et Dozier (Wan et Dozier,1996).Ces produits issus d’une résolution d’1 km ont été projetés sur une grille stéréopolaire de 25kmde résolution.

Les Ts de IASI ont été restituées à partir de la Tb par Vincent Guidard également parinversion de l’équation de transfert radiatif d’après (J Hook et al., 1992) dans un unique canalqui corrige la luminance des différents effets atmosphériques.Le canal 756 (à 833,75 cm−1) a été choisi d’après les résultats d’études menées par Anais Vin-censini dans (Vincensini, 2013)) qui a identifié ce canal comme étant "le canal fournissantles meilleurs restitutions sur le globe en comparaison avec le produit MO-DIS" avec une émissivité fixe de 0.98.Le canal a été choisi dans une fenêtre atmosphérique : dans cette région spectrale, le rayon-nement est faiblement absorbé par l’atmosphère. Comme on a pu le voir, IASI est instrumentpermettant d’obtenir une quantité impressionnante de données avec une résolution spectraletrès fine ce qui permet d’avoir davantage d’informations sur la colonne atmosphérique.Néanmoins, la région spectrale couverte par les sondages atmosphériques est sensible à la pré-sence de nuages : par ciel clair, l’observation prise par IASI permet de réaliser un sondage detoute l’atmosphère et d’obtenir des informations sur la surface terrestre(Fig 1.3a) mais par cielnuageux, un nuage opaque empêche la propagation de l’onde : seule la partie atmosphérique audessus du nuage et la surface du nuage sont sondées et dans ce cas on obtient des informationssur le sommet du nuage (Fig 1.3b).

6. température de brillance : température d’un corps noir qui possède la même intensité que la cible. Uncorps noir absorbe tout le rayonnement reçu

7

(a) ciel clair (b) ciel nuageux

Figure 1.3 – Principe du sondage de l’atmosphère en cas de ciel clair ou de ciel nuageux [sourceThe Comet Program]

Habituellement, en cas de présence d’un nuage, la température de brillance observée audessus d’un nuage est plus froide que celle dans un cas de ciel clair (du fait d’une températureatmosphérique au sommet du nuage plus froide que la température de surface). Néanmoins, enAntarctique, a souvent lieu une inversion de la température : généralement, la surface terrestreest plus froide que certaines couches de l’atmosphère. Ce phénomène rend la détection de nuagesplus difficile sur cette zone.

Sont présents sur les satellites Metop un imageur à l’échelle d’un kilomètre AVHRR et unautre imageur Integrated Image Subsystem (IIS) dont leur mission est la détection de nuages.

AVHRR est un imageur à larges bandes spectrales conçu par la National Oceanic and Atmos-pheric Administration (NOAA). Il est présent sur les satellites NOAA et Metop. Cet instrumentpossède six bandes spectrales allant du visible (1 seul canal) à l’IR thermique et utilise cinqen continu. Sa résolution spatiale est de 1,1km dans l’Infrarouge et de 0,5km dans le visible.Une scène AVHRR offre donc cinq images silmutanées de la Terre vues dans cinq domaines delongueurs d’ondes différentes.Un autre instrument sur IASI, le radiomètre imageur infrarouge IIS permet de superposer lesdonnées du sondeur IASI avec les images du radiomètre AVHRR.Par analyse des propriétés de la scène, il est possible d’obtenir des renseignements sur la cou-verture nuageuse. Eumetsat traite ces données sur la couverture nuageuse.

1.2.2 Principe de l’inversion de l’équation du Transfert Radiatif parla méthode mono canal, (Phulpin et al., 2003) et (Guedj, 2011)

IASI mesure ainsi la puissance du flux de rayonnement électromagnétique émis et réfléchipar les différentes cibles (la surface de la Terre, les différentes couches de l’atmosphère) suivantdifférentes longueurs d’ondes. Cette intensité appelée luminance est mesurée simultanément sur8461 canaux (bandes spectrales) avec un résolution spectrale fine de 0,25cm−1.

L’équation du transfert radiatif permet de trouver la mesure de la luminance à partir de l’étatde l’atmosphère. Cette équation prend en compte tous les effets atmosphériques.

Rν(θ) = Lν(Ts)Γν(θ)εν(θ) + Lν ↑ (θ) + Γν(θ)(1− εν(θ))Lν ↓ (θ) (1.1)

8

Où Lν ↓ est le rayonnement descendant, Lν ↑ est le rayonnement montant, Rν est la radiancemonochromatique de fréquence ν quittant l’atmosphère vers l’espace avec un angle d’incidenceθ, Γν la transmission atmosphérique et εν l’émissivité de surface et Lν la fonction de Planckdéfinit par :

Lνi(T ) =2hν3c

exp hνckT− 1

(1.2)

où h la constante de Planck, k la constante de Boltzmann et c la vitesse de la lumière dans levide.

Ainsi, par inversion de l’équation de transfert, il est possible d’obtenir la température desurface à partir de la radiance mesurée et de l’état de l’atmosphère :

Ts = L−1ν (

Rν(θ)− Lν ↑ (θ)− Γν(θ)(1− εν(θ))Lν ↓ (θ)

Γν(θ)εν(θ))

1.3 Température de l’ébaucheLa température de surface de l’ébauche provient du modèle de Prévision Numérique du

Temps (PNT). Un modèle de prévision a besoin d’un état initial appelé analyse. Cet état initialest défini par assimilation de données utilisant des observations (exemple : profils atmosphé-riques de température) et par connaissance a priori de l’état de l’atmosphère appelée ébauche.Cette ébauche est issue d’une prévision à courte échéance (6h) du modèle Action de RecherchePetite Echelle Grande Echelle (ARPEGE)).

1.4 Mesures in-situEn Antarctique, une soixantaine de stations scientifiques fournissent des données quotidien-

nement.Il y a deux types de stations :

— les stations Baseline Surface Radiation Network (BSRN) qui sont issues du projet inter-national visant à obtenir des données précises et régulières (fréquences de l’ordre de laminute) de flux radiatifs de surface dans le monde. Environ 36 stations BSRN consti-tuent actuellement le réseau mondial. Dans notre cas, une station BSRN nous intéresse :la station à Dôme C Concordia.

— les stations météorologiques automatiques Automatic Weather Station (AWS). Quatreont été considérées : Kohnen, Princesse Elizabeth, Pôle d’inaccessibilité et Plateau Sta-tion B.

Les coordonnées géographiques de ces stations se trouvent sur le tableau 1.2

Station Latitude Longitude altitude [m]Dôme C (Concordia) 75˚06’ S 123˚20’ E 3233

Pôle Sud 90˚S 0˚E 2830Plateau Station B AWS12 78˚39’ S 35˚38’ E 3620Pôle d’inaccessibilité AWS13 82˚07’ S 55˚02’ E 3730

Kohnen AWS9 75˚00’ S 00˚00’ E 2900Princesse Elizabeth AWS16 71˚57’ S 23˚20’ E 1300

Tableau 1.2 – Coordonnées géographiques des stations [source Insitute for Marine and Atmos-pheric research Utrech (IMAU)]

9

À partir des données de flux radiatifs descendants (LWup) et montants (LWdown), une mesurede la Ts pour la station AWS peut être obtenue suivant la formule :

Ts =4

√LWup − (1− ε)LWdown

εσ(1.3)

où ε est l’émissivité de surface de la neige et σ la constante de Stefan-Boltzmann. Cetteméthode a été expliquée dans (Brun et al., 2011).

Dans cette première partie, on a pu situer le contexte, poser le problème et décrire lesdifférentes types de mesures étudiées. Dans la deuxième partie, on va étudier les données deIASI sur les deux satellites Metop en évaluant la similitude entre les données et en évaluant lefiltre nuageux obtenu à partir des données de l’AVHRR.

10

Chapitre 2

Comparaison des températures de surfacede l’interféromètre IASI de Metop A etMetop B et intéraction avec la couverturenuageuse en Antarctique

2.1 Comparaison des données de IASI présent sur les sa-tellites Metop

Même si le capteur IASI est en théorie identique sur les deux Metop, on cherche à vérifierque les données de IASI de Metop A et Metop B sont significativement identiques. Pour rappel,les deux satellites Metop sont déphasés de 50 minutes.

La comparaison des données doit s’effectuer sans influence de paramètres tel que le rayon-nement solaire. Ainsi, on décide d’étudier les données sur une période de deux mois centréesur le soltice du 21 juin, pendant l’hiver austral. Toute cette étude de comparaison de donnéesIASI s’est donc effectuée du 21 mai au 21 juillet 2013. L’année 2013 a été choisie pour la dis-ponibilité des deux satellites. Pour se placer sur le plateau qui est une région plate, on décidede ne sélectionner que les données sur des régions d’altitude supérieure à 1000m.

2.1.1 Vérification de l’absence de cycle diurne

Pendant l’hiver austral, la nuit est continue, il n’y a donc pas de cycle diurne. Pour vérifi-cation, on a tracé l’évolution de la température de surface restituée par ces satellites par heuresolaire en Antarctique suivants différents cas (Fig 2.1). La conversion des données GreenwichMean Time (GMT) en heure solaire a été le premier traitement effectué, l’explication de cetteconversion est faite en Annexe 2 Méthode de conversion de données GMT en heures solaires.Ces données ont été ensuite moyennées sur tout l’Antarctique par heure solaire. En Annexe 3,on trouve les séries temporelles du nombre d’observations et de l’écart-type des Ts de Metopau cours de cette période.

11

Figure 2.1 – Série temporelle des températures de surface moyennées par heure solaire sur toutl’Antarctique du 21 mai au 21 juillet 2013 restituées à partir de IASI sur Metop A (en bleu) etMetop B (en rouge) par ciel clair (forme rectangulaire), par ciel nuageux (forme rectiligne) etpour tout ciel (forme triangle)

En ciel clair, les températures obtenues correspondent à des températures de surface, doncde la neige. En ciel nuageux, indicateur nuageux égal à 100, les températures obtenues corres-pondent aux températures au sommet du nuage.

Plusieurs choses apparaissent sur la figure 2.1 :

— Metop A (en bleu) et Metop B (en rouge) obtiennent des résultats similaires.— dans le cas des données IASI brutes, sans filtrage nuageux, on a une légère variation qui

laisse penser à un cycle diurne : l’étendue est de 9,36 K pour Metop A et 9,49 K pourMetop B.

— les températures de neige (ciel clair) sont plus chaudes que les températures de surfacenon filtrées, d’environ 7K. Elles sont également beaucoup plus chaudes que les tempé-ratures au sommet du nuage (ciel nuageux), un écart d’environ 13 K est trouvé entreles deux types de données. Or en Antarctique, comme on a dit précedemment ce n’estque rarement le cas. Ainsi, l’inversion de la température près de la surface ne semble pasêtre prise en compte dans l’algorithme de traitement des données de l’AVHRR.

— on remarque un saut d’environ 10 K concernant les températures de neige (ciel clair) quidébute à 8h solaire et semble décroitre aux heures suivantes. Cela laisse supposer uneerreur sur l’indice de la couverture nuageuse de l’AVHRR.

Fait intéressant, en calculant le pourcentage de données par ciel clair par heure solaire, onconstate que Metop A voit plus de données claires que Metop B (Fig 2.2).

12

Figure 2.2 – Pourcentage du nombre d’observations cummulées du 21 mai au 31 juillet 2013par ciel clair par heure solaire pour Metop A (bleu) et Metop B (rouge)

En moyenne sur cette période, on compte un pourcentage de 16,46% de données clairespour Metop A et seulement 13,89% pour Metop B. Le même traitement est appliqué aux deuxinstruments AVHRR. cela suggère qu’il faudrait spécifier un traitement différent pour les deuxinstruments.

Dans la suite de la partie de comparaison, on utilisera les données de IASI par ciel clair etnuageux.

Cette variation de 9K dans la journée n’est pas due au soleil, elle est seulement due àl’hétérogénéité de la surface en Antarctique où on peut observer des différences de températurede neige de l’ordre de 40K entre les côtes et l’intérieur du continent, sur la partie centrale del’inlandsis de l’Est, que ce soit pour les données de Metop A que pour Metop B (Fig 2.3a et2.3b).Au centre de l’inlandsis oriental, près du pôle d’inaccessibilité et près du pôle d’Argus (Fig 2.3c,l’altitude est fort élevée, la température de neige est froide : entre 200 et 210 K (entre -73˚C et-63˚C). Plus on s’éloigne de ce centre, moins l’altitude est importante et plus les températuress’élèvent.

13

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de Metop A sans filtre nuageux (K)

Ts_A.geo

200

210

220

230

240

250

260

(a) Ts de Metop A (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de Metop B sans filtre nuageux (K)

Ts_B.geo

200

210

220

230

240

250

260

(b) Ts de Metop B (K)

(c) Relief de l’Antarctique (m)

Figure 2.3 – (a) et (b) Cartes de températures de surface [K] restituées à partie de IASI surMetop A (a) et sur Metop B (b), moyennées du 21 mai au 21 juillet 2013 et projetées une surgrille stéréopolaire 5˚*0.5˚(C) Carte du relief de l’Antarctique [m]

Pour vérifier ce fait, on décide de tracer la série temporelle des Ts, (Fig 2.4a) par heuresolaire sur une zone restreinte, plus homogène moins sujet au dénivelé, pour situer la zone (Fig2.4b).

14

(a)

80°S

70°S

60°S

60°S180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de MetopA sans filtre nuageux (K)

Ts_A_5.geo

200

210

220

230

240

250

260

(b)

Figure 2.4 – en (a) Série temporelle de la température de surface [K] moyennée par heure solairedu 21 mai au 21 juillet 2013 sur une partie de l’Antarctique (tracée sur Fig 2.4b) en (b) Zoneconsidérée sur l’Antarctique, données de Metop A à 5h solaire

L’étendue des Ts (Maximum - Minimum) a fortement diminué pour Metop A et Metop B.Pour Metop A, on passe de 9,36 à 0,68 K et pour Metop B de 9,49 à 0,76 K. Même si onobserve une légère variation de Ts au cours du temps, on peut raisonnablement dire que l’onn’observe pas de cycle diurne du 21 mai au 21 juillet 2013, pendant l’hiver austral. Désormais,la comparaison entre les données de Metop peut être effectuée du 21 mai au 21 juillet 2013.

2.1.2 Comparaison par cartes

Dans toute cette partie, les cartes ont été réalisées en projetant les données sur une grillestéréopolaire 5˚* 0.5˚.

Carte de différence du nombre d’observations

Au cours d’une période de deux mois, une très bonne couverture de l’Antarctique est obte-nue (Fig 2.5a). Sur tout l’Antarctique, au cours de cette période, on travaille sur un peu moinsde 10 millions de mesures IASI pour les deux satellites Metop.Le plateau est très bien couvert : les boîtes de la grille contiennent jusqu’à 4500 données de Ts.En s’approchant du pôle sud géographique, le nombre d’observations chute et devient inférieurà 500 par boîte. Cette représentation résulte de la fauchée du satellite qui ne passe pas exacte-ment sur le pôle sud géographique.

Dans la comparaison entre IASI de Metop A et Metop B, on vérifie qu’au cours de notrepériode la répartition des données est similaire, les deux satellites suivant la même orbite dé-phasée de 50 minutes. Pour cela, on crée une carte de différence du nombre d’observationscumulées au cours de la période (Fig 2.5b).

15

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Nombre d’observations utilisees pour MetopA sans filtre nuageux

nb_A.geo

0

500

1000

1500

2000

2500

3000

3500

4000

4500

(a) Nombre d’observations de Metop A

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Difference de Ts sans filtre nuageux(K)

difference_nb.geo

-50

-20

-10

0

10

20

50

(b) Différences du nombre d’observations

Figure 2.5 – (a) Carte du nombre d’observations de IASI sur Metop A cumulées du 21 maiau 21 juillet 2013 sur une grille stéréopolaire 5˚* 0.5˚(b) Carte de la différence du nombred’observations cumulées du 21 mai au 21 juillet 2013 sur une grille stéréopolaire 5˚* 0.5˚

Même s’il apparait sur la carte 2.5b quelques différences entre les données qui pourraientrésulter de la différence de phase entre les deux orbites, la différence du nombre d’observa-tions cumulées entre les deux satellites est inférieure à 1%. Le nombre d’observations est ainsisensiblement identique.

Carte de différence de température de surface

Une carte de différence de Ts (Ts de Metop A - Ts de Metop B) (Fig 2.6b) a été réalisée surla période.

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de Metop A sans filtre nuageux (K)

Ts_A.geo

200

210

220

230

240

250

260

(a) Ts de Metop A (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Difference de Ts sans filtre nuageux(K)

difference_grille505.geo

-0.5

-0.3

-0.1

0

0.1

0.3

0.5

(b) Différences de Ts (K)

Figure 2.6 – (a) Carte de la température de surface restituée par IASI sur Metop A (a) et (b)carte de la différence de la température de surface restituée par IASI sur Metop A moyennéedu 21 mai au 21 juillet 2013, projetée sur une grille stéréopolaire 5˚* 0.5˚

Chaque "boîte" de la grille a une différence de Ts inférieure à 0,5 K. Dans la partie del’Antarctique la plus froide (en noir sur fig 2.6a), on constate des différences négatives comprisesentre -0,1 et 0K (Fig 2.6b).En traçant une représentation en "boîte à moustache" de la répartition de la différence de Ts(Fig 2.7) on s’aperçoit que 90% des différences sont comprises entre -0,07 et 0,09K et 50% des

16

différences sont réparties entre 0,03 et -0.01K. Cela représente un résultat convenable dans lamesure où la précision attendue de la Ts est de 0,05K.

Figure 2.7 – Représentation en boite à moustache des différences de températures de surfacede températures de surface restituées sur IASI entre Metop A et Metop B [K], Q1 représentele premier quartile, il sépare les 25% inférieurs des données, min est le minimum, C5 est lecinquième centile : il sépare les 5% inférieurs des données, C95 est le quatre vingt cinquièmecentile : il sépare les 5% supérieurs, max est le maximum et enfin Q3 est le troisième quartilequi sépare les 25% supérieurs des données

Dans la suite de l’étude, toutes les présentations en boîte à moustache seront réalisées decette manière.

Carte de différence d’écarts-types

L’écart-type nous renseigne sur la dispersion des données. Dans notre cas, il est calculédans le temps : il renseigne sur l’homogéneité des données temporellement. Sur la figure 2.8a, ilest montré une carte d’écart-type "temporel" des Ts de IASI de Metop A. L’écart-type est enmoyenne assez élevé entre 6 et 8K. Le pôle sud géographique montre un écart-type fort élevé,supérieur à 8 K, cela pourrait être expliqué par le faible nombre d’observations.Ces résultats indiquent de grandes disparitées temporellement. Ce phénomène peut être expliquépar des perturbations nuageuses qui viennent perturber la mesure. On note toutefois, une zoned’écart-type relativement faible au centre de l’inlandsis oriental sur les hauts reliefs.Dans notre comparaison de données IASI de Metop A et Metop B, on cherche à savoir si lesdeux types de données ont la même dispersion temporelle. De ce fait, après avoir moyennéles différences d’écarts-types pour chaque boîte à chaque instant de la période, une carte dedifférence d’écart-type a été réalisée (fig 2.8b).

17

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Ecart-type des donnees MetopA sans filtre nuageux (K)

ect_Atest.geo

0

2

4

6

8

10

16

(a) Écarts-types de Metop A (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Difference de Ts sans filtre nuageux(K)

difference_ect.geo

-0.13

-0.05

-0.02

0

0.02

0.05

0.13

(b) Différences des écarts-types (K)

Figure 2.8 – (a) Carte d’écart-type de la température de surface restituée par IASI sur MetopA moyennées du 21 mai au 21 juillet 2013 sur une grille stéréopolaire 5˚× 0.5˚(b) Carte de ladifférence d’écart-type de la température de surface restituée par IASI entre Metop A et MetopB, moyennée du 21 mai au 21 juillet 2013, projetée sur une grille stéréopolaire 5˚× 0.5˚

Encore une fois, on constate des différences relativement proches de zéro : inférieures à 0,14Ket supérieures à -0,13K. L’écart-type de la différence d’écart-type est d’ailleurs inférieur à 0,02K.La médiane et la moyenne sont également faibles, égales toutes deux à -0,01K ce qui témoigned’une répartition des différences symétrique. Comme en témoigne la "boîte à moustache" (Fig2.9), on peut noter des différences négatives en plus grande proportion. De ce fait, on auraittendance à penser que les Ts de Metop B sont un peu plus disparates mais la différence esttoutefois infime : -0,05K de différences d’écart-type sur une zone ayant un écart-type de 8K nesemble en effet pas significatif.

Figure 2.9 – Représentation en boite à moustache de la différence d’écarts-types de températuresde surface restituées [K] sur IASI entre Metop A et Metop B [K]

ConclusionSur Metop A et sur Metop B, les cartes de différences de Ts, d’écarts-types et du nombred’observations cumulées donnent des résultats fortement convenables :

— dans 90% des cas, la différence des Ts est comprise entre -0,07 et 0,09 K.— dans 90% des cas, la différence des écart-types est comprise entre -0,04 et 0,03 K.

D’après cette première étude, les données de IASI de Metop A et Metop B sont sensiblementidentiques en terme de mesures et de dispersion.

18

2.1.3 Comparaison par corrélation

Dans une deuxième approche complémentaire, on trace la droite de corrélation entre lesTs IASI de Metop A et de Metop B. Cette droite a été calculée par régression linéaire. Lacomparaison des données s’est faite par heure solaire et par jour (Fig 2.10.

Figure 2.10 – Régressin linéaire entre les températures de surface restituées par IASI sur MetopA et Metop B, moyennées par heure solaire et par jour du 21 mai au 21 juillet 2013

Le nuage de points est très proche de la droite de régression, on trouve d’ailleurs, un co-efficient de corrélation linéaire égal à 0,98. On peut penser que ce résultat n’est pas suffisant,il convient de rappeler que cette corrélation a été faite en moyennant les données sur l’An-tarctique par heure solaire. Ce coefficient aurait été plus élevé en moyennant temporellementchaque boîte de l’Antarctique.

En tout cas, comme on s’y attendait, les données des Ts entre Metop A et Metop B de IASIsont fortement corrélées linéairement.

Dans une troisième et dernière approche, on cherche à valider statistiquement l’hypothèsed’homogéneité des deux variables : Ts IASI de Metop A et Ts IASI de Metop B.

2.1.4 Comparaison par tests statistiques d’homogénéité

Les deux populations considérées ici sont les données de Metop A et de Metop B.De ces populations, deux échantillons sont extraits : les données de Metop A et Metop B surla période du 1er mai au 21 juillet 2013.Afin d’unifier statistiquement les populations, on procéde à un test d’homogéneité sur ceséchantillons pour un seuil de confiance de 95%. Ce seuil a été choisi arbitrairement.Un échantillon représente les données d’un satellite sur une boîte de la grille 0.5˚× 0.5˚. Letest statistique est appliqué sur toutes les boîtes de la grille.

Dans le cas de grands échantillons (nombre d’observations supérieurs à 30), d’après le théo-rême de la limite centrale, les estimateurs des échantillons suivent une loi de Gauss quelque soitla loi de variable.Ainsi, le test statistique est effectué seulement quand le nombre d’observations par boîte estsupérieure à 30 afin que les estimateurs suivent une loi de Gauss.

On définit maintenant les estimateurs des échantillons :Soit la population de Metop A définie par M1 sa moyenne et S1 son écart-type.

19

Soit la population de Metop B définie par M2 sa moyenne et S2 son écart-type.Soit un échantillon de Metop A défini par N1 le nombre d’observations, m1 la moyenne desobservations et σ1 l’écart-type des observations.Soit un échantillon de Metop B défini par N2 le nombre d’observations, m2 la moyenne desobservations et σ2 l’écart-type des observations.

Comparaison des variances

On effectue un test sur la comparaison des variances des deux échantillons.

On pose l’hypothèse de similitude d’écarts-types :

σ1 = σ2 (2.1)

La loi définie par l’estimateur δ = σ1 − σ2 suit une loi de Gauss N(0,2 ∗ sqrt( σ41

N1+ σ4

2

N2) ),

d’après (Céron et al., ), n 15 Cours de statistiques Applications à la météorologie, 1995.

Deux cas peuvent alors se produire :

— |δ| < 1,96×√

2 ∗ (σ41

N1+

σ42

N2)

Dans ce cas, l’hypothèse de départ n’est pas justifiée. Les variances σ21 et σ2

2 sont signi-ficativement différentes à 95% de confiance.

— |δ| > 1,96×√

σ41

N1+

σ42

N2

Dans ce deuxième cas, l’hypothèse σ21 = σ2

2 est justifiée, les deux échantillons proviennentd’une même population avec la confiance de 95%.

En calculant la valeur statistique δv définie suivant l’équation 2.2 :

δv =|δ|√

2 ∗ (σ41

N1+

σ42

N2)

(2.2)

pour chaque boîte de la grille (0,5˚× 0,5˚) de l’Antarctique, une carte de δv est réalisée (Fig2.11).

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Comparaison des moyennes de MetopA et MetopB 95% de confiance( K)

stat_variance.geo

-100

0

0.001

0.005

0.01

0.015

0.02

Figure 2.11 – Carte de δv calculé pour chaque boite 0,5˚× 0,5˚ : résultat du test statistiquecomparaison des variances sur deux populations de IASI : Metop A et Metop B du 21 mai au21 juillet 2013

20

Chaque valeur statistique calculée par boîte est fortement inférieure à 1,96. Toutes les boîtesacceptent l’hypothèse de similitude de variance avec une confiance de 95%. Par boîte, il y adonc 95 chances sur 100 pour que l’hypothèse soit acceptée avec une assez bonne précision.

Comparaison des moyennes

Dans ce nouveau test, on pose l’hypothèse de moyenne identique :

m1 = m2 (2.3)

La loi ε = m1 − m2 suit alors une loi de Gauss d’espérance nulle et de variance σ2 =√σ21

N1+

σ22

N2, d’après cours statistiques : Applications à la météorologie, chapitre 5.comparaison

d’échantillons, comparaison de deux grands échantillons, 2004

Deux cas peuvent alors se produire :

— |ε| < 1,96 ×√

σ21

N1+

σ22

N2. Dans ce cas, l’hypothèse de départ n’est pas justifiée. Les

moyennes m1 et m2 sont significativement différentes à 95% de confiance.

— |ε| > 1,96 ×√

σ21

N1+

σ22

N2. Dans ce deuxième cas, l’hypothèse m1 = m2 = m est justifiée,

les deux échantillons proviennent d’une même population avec la confiance de 95%.

Dans la suite, le nouveau terme statistique δm est calculé pour chaque boîte suivant laformule 2.4 :

δm =|ε|√

σ21

N1+

σ22

N2

(2.4)

Une carte statistique de ce terme est ainsi créée (Fig 2.12).

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Comparaison des moyennes de MetopA et MetopB 95% de confiance( K)

stat3.geo

-100

0

0.05

0.1

0.2

0.5

0.6

Figure 2.12 – Carte de δm calculé pour chaque boite 0,5˚× 0,5˚ : résultat du test statistiquecomparaison des moyennes sur deux populations de IASI : Metop A et Metop B du 21 mai au21 juillet 2013

Par lecture de la figure 2.12, chaque boîte a validé l’hypothèse de similitude de moyenne :le terme limite de validation du test est de 1.96. Dans tout l’Antarctique, l’hypothèse a étéacceptée avec un seuil de 95%. Les moyennes m1 et m2 ne sont pas significativement différentes.

En conclusion, il est vraisemblable que les deux populations d’où sont extraites les deux échan-tillons ont même moyenne et même variance que l’on peut estimer par : M = N1m1+N2m2

N1+N2et

21

σ2 =N1σ2

1+N2σ22

N1+N2.

Dans la suite du stage, on considèrera les données de Metop A et de Metop B comme uneseule famille de données.

ConclusionÀ travers ces trois approches, les données brutes de Metop sont apparues très similaires d’aprèsles cartes, fortement corrélées et assimilables statistiquement avec un seuil de 95%. Dans lasauite du stage, on considèrera les données de Metop A et de Metop b comme une seule grandefamille de données. Pour pouvoir exploiter les données de IASI, on doit être certain que cesdonnées soient des températures de surface et non des températures de nuage. Néanmoins,précedemment (Partie 2.1.1 Vérification de l’absence diurne), certains problèmes sont apparusconcernant le filtre nuageux AVHRR.Dans une deuxième partie, on va donc étudier plus en détail le problème de détection nuageuse.

2.2 Évaluation du flag nuageux

2.2.1 Mise en évidence de problèmes

On avait remarqué un problème sur le filtrage des données à partir de l’AVHRR. D’unepart, les températures de surface (filtrage ciel clair) sont plus chaudes que les températures ausommet du nuage (filtrage ciel nuageux). Or, la température au sol en hiver est en général plusfroide que celle au sommet de plusieurs types de nuages en Antarctique.D’autre part, on observe pour les températures de surface, Ts de IASI par ciel clair selonl’AVHRR.

— des données fortement élevées autour de 240K aux heures solaires 8 et 9h soit environ10K de plus qu’aux heures précédentes. Il semble également y avoir une légère rupturevers 20h solaire.

— un nombre d’observations très faible, aux heures solaires 8 et 9 [non montré], du fait dela surestimation de pixels nuageux durant ces heures.

Pour comprendre au mieux ces deux phénomènes, on a également réalisé des cartes de Tsde l’Antarctique moyennées sur la période dans le cas sans filtre, (Fig 2.13a) et le cas filtrageciel clair (Fig 2.13b), à 7 heures solaires pour Metop A .Par soucis de visibilité sur la carte et pour des raisons de vitesse de traitement, les donnéesont été projetées et moyennées sur une grille de 5˚× 0,5˚(long×lat). Des cartes du nombred’observations ont également été réalisées dans les deux cas (Fig 2.13c et Fig 2.13d).

22

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de MetopA sans filtre nuageux (K)

_Ts_A_7.geo

200

210

220

230

240

250

260

(a) Ts brutes à 7h (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de MetopA avec filtre nuageux (K)

filtre_Ts_A_7.geo

200

210

220

230

240

250

260

(b) Ts claires à 7h (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Nombre d’observations utilisees pour MetopA sans filtre nuageux

_nb_A_7.geo

1

2

4

10

15

20

50

100

200

800

(c) Nombre d’observations à 7h cas brut

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Nombre d’observations utilises pour MetopA avec filtre nuageux

filtre_nb_A_7.geo

1

2

4

10

15

20

50

100

200

800

(d) Nombre d’observations à 7h cas clair

Figure 2.13 – Températures de surface restituées par IASI sur Metop A par ciel clair et nuageux(a), par ciel clair selon l’AVHRR (b), nombre d’observations cumulées du IASI sur Metop Apar ciel clair et nuageux (c) et par ciel clair uniquement (d). Ces cartes ont été réalisées enmoyennant les données du 21 mai au 21 juillet 2013 sur une grille stéréopolaire 5˚∗ 0,5˚à 7hsolaire

On remarque d’après la figure Fig 2.13 que l’utilisation du filtre AVHRR couverture nuageuseinférieure à 10 a rejeté une grande quantité de données, en particulier les plus froides (Tsinférieures à 210K) au centre de l’inlandsis oriental. Bien que ce résultat soit présent auxdifférentes heures solaires, il semble plus marqué entre 8 et 10 heures solaires. Pour le montrer,on a également réalisé des cartes de Ts moyennées et des cartes du nombre d’observation à 8heures solaires pour Metop A dans le cas brut et le cas filtrage par ciel clair où on a rejeté lesdonnées "vues" comme nuageuses selon l’AVHRR (Fig 2.14).

23

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de MetopA sans filtre nuageux (K)

_Ts_A_8.geo

200

210

220

230

240

250

260

(a) Ts brutes à 8h (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Temperature de surface de MetopA avec filtre nuageux (K)

filtre_Ts_A_8.geo

200

210

220

230

240

250

260

(b) Ts claires à 8h (K)

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Nombre d’observations utilisees pour MetopA sans filtre nuageux

_nb_A_8.geo

1

2

4

10

15

20

50

100

200

800

(c) Nombre d’observations à 8h cas brut

80°S

70°S

60°S

60°S

180°160°W140°W

120°W

100°W

80°W

60°W

40°W 20°W 0° 20°E 40°E

60°E

80°E

100°E

120°E

140°E160°E

Nombre d’observations utilises pour MetopA avec filtre nuageux

filtre_nb_A_8.geo

1

2

4

10

15

20

50

100

200

800

(d) Nombre d’observations à 8h cas clair

Figure 2.14 – Températures de surface restituées par IASI sur Metop A par ciel clair et nuageux(a), par ciel clair selon l’AVHRR (b), nombre d’observations cumullées du IASI sur Metop Apar ciel clair et nuageux (c) et par ciel clair uniquement (d). Ces cartes ont été réalisées enmoyennant les données du 21 mai au 21 juillet 2013 sur une grille stéréopolaire 5˚× 0,5˚à 8hsolaire

Comme attendu, à 8h les données rejetées par le filtre nuageux sont plus nombreuses et sontréparties sur tout l’Antarctique (Fig 2.14d). Cela ne concerne pas seulement une zone où latempérature de surface est très froide, comme c’était le cas à 7h. De plus, un déséquilibre desdonnées à ces heures apparait sur la figure 2.15.

24

Figure 2.15 – Pourcentage des données de Metop A par heure solaire du 21 mai au 21 juillet 2013suivant la couverture nuageuse vue selon l’AVHRR, en rouge les données par ciel potentiellementtrès nuageux (indice nuageux 100), en jaune les données vues par ciel potentiellement nuageux(indice compris entre 10 et 100), en bleu les données vues par ciel clair (indice inférieur à 10)et en vert les données sans indice de couverture nuageuse

En effet, plus de 80% des données ont été prises avec un flag nuageux de 100 entre 8 et10 heures solaires. Des résultats similaires sont obtenus avec Metop B. Au cours de sa thèse(Vincensini, 2013), Anais Vincensini avait déjà remarqué une surestimation des pixels nuageux.

On a utilisé le filtre nuageux (couverture nuageuse inférieure à 10), pour obtenir des résul-tats par ciels clairs, donc non soumis aux erreurs de nuages. Or, ce filtre a rejeté les valeurs deTs les plus basses pour toutes heures solaires.

De plus, aux heures 8 et 9, une grande majorité de données possède un indicateur nuageuxde 100 et ces données, "vues" par temps nuageux, sont réparties sur tout l’Antarctique. Il n’ya pas de raison pour qu’il y ait plus de nuages à ce moment là. De ce fait, il y a un problèmeavec le filtre à ces heures solaires. On va vérifier ce dernier problème.

2.2.2 Vérification du problème du flag nuageux à 8 et 9h solaires

Dans un premier temps, on souhaite montrer que l’erreur n’est pas due à une mauvaiseméthode d’inversion. De ce fait, on trace la série temporelle des températures de brillance etdes températures de surface (Fig 2.16).

25

Figure 2.16 – Températures de surface et de brillance restituées par IASI sur le canal 756,moyennées sur l’Antarctique pour une orographie supérieure à 1000m du 21 mai au 21 juillet2013

Que ce soit en utilisant les Tb ou les Ts, on constate, à 8 et 9 heures solaires, un picde température avec les données claires (températures de la surface). On constate une fortesimilitude entre les Tb et les Ts ce qui nous amène à penser qu’il n’y a pas de nuages. Eneffet, par ciel nuageux, la température de brillance observée provient du sondage de la partieatmosphérique au dessus du nuage (différence entre Tb et Ts) tandis que par ciel clair, onobtient des informations sur la surface terrestre ( Tb voisine de Ts), voir partie 1.21 pour plusd’explications). Dans la suite de la vérification, on utilisera les températures de brillance.maintenant, on va chercher à savoir si l’erreur est ponctuelle, présente à un moment donné, oupériodique. Pour cela, on commence par séparer la période du 21 mai au 21 juillet 2013 en troispériodes : mai, juin et juillet. On calcule alors le pourcentage moyen de données nuageuses parheure solaire au cours de chaque mois (fig 2.17).

(a) Metop A (b) Metop B

Figure 2.17 – Pourcentage de données vues par ciel nuageux par heure solaire et par mois pourMetop A (a) et pour Metop B (b) du 21 mai au 21 juillet 2013, en bleu en mai, en rouge enjuin et en jaune en juillet

On voit des résultats similaires au cours des trois mois pour les deux satellites (Fig 2.17).Environ 80% des données mesurées à 8 et 9 heures solaires sont vues avec un indicateur nuageuxde 100 pour chaque mois.

Metop A et Metop B donnent des résultats similaires, dans la suite de notre vérification, onutilisera seulement les données de Metop A.

26

En dernière vérification, on se place sur le mois de juillet : du 1er au 21 juillet 2013. Ontrace la série temporelle des Tb au cours du temps (en heures solaires). Du fait de la faiblequantité de données, les données entre 10 et 20 heures solaires ont été éliminées (Fig 2.18).

Figure 2.18 – Série temporelle des Tb du canal 756 par heure solaire du 1er au 21 juillet 2013pour Metop A, en bleu les données vues par ciel totalement nuageux, en orange les donnéesvues par ciel clair selon l’AVHRR et en jaune les données vues par ciel clair et nuageux (toutesles données)

D’après la figure 2.18, quelques données claires (par ciel clair) paraissent aberrantes par leurtempérature plus élevée autour de 240K-235K au lieu de 230K. On constate que ces donnéessont assez régulières dans le temps, on peut penser que ces données proviennent des heures 8et 9h solaires. En éliminant également les données de 8 et 9h, les valeurs aberrantes observéesprécedemment ont disparu (non montré). Par suite, on calcule le pourcentage de données vuespar ciel totalement nuageux et par ciel clair (Fig 2.19).

Figure 2.19 – Pourcentage de données nuageuses (en bleu) et claires (en rouge) selon l’AVHRRde Metop A entre le 21 mai et le 21 juillet 2013

21 ensembles de pics de cas nuageux sont observés sur la figure 2.19 sur la période de 21jours. Ils se situent à 8 et 9 heures solaires. Tout nous amène à penser que l’événement estquotidien. Par ailleurs, il apparait également (Fig2.19), deux importantes périodes (centréessur 90 h et vers 500 h) qui semblent être des perturbations atmosphériques associées à uneprésence de nuages.

27

Enfin, on trace les séries temporelles des températures de brillance à 7 et 8 heures solairessur la période de 21 jours (Fig 2.20a et Fig 2.20b). La série à 7h représente un test témoin.

(a) 7h solaire (b) 8h solaire

Figure 2.20 – Série temporelle des températures de brillance du canal 756 de IASI sur MetopA moyennés par jour du 1er juillet à 7h solaire (a) et à 8h solaire (b)

Chaque jour au cours de la période, on observe à 8h solaire, des Tb par ciel clair fortementélevées autour de 240K, ce qui n’est pas le cas à 7h solaire (Fig 2.20) .On a vérifié que tous les jours à 8 et 9h l’AVHRR détecte plus de 80% de nuages alors que cepourcentage est beaucoup plus bas à 7h (entre 10 et 40%) (résultat non montré).

Une erreur systématique sur le flag nuageux de l’AVHRR semble avoir été détectée à 8het 9h solaires. En effet, du 21 mai au 21 juillet 2013, plus de 80% des données possèdentun flag nuageux de 100. Ces données ne se limitent pas à une partie de l’Antarctique maissont observées sur tout l’Antarctique. De plus, cette erreur semble quotidienne. Ce travail aété envoyé à Eumetsat. L’organisation européenne connaissait les limitations de la détectionnuageuse de l’AVHRR en Antarctique.

2.2.3 Conclusion

Au cours des deux précédentes parties, on a montré, d’une part que les données de Metop Aet Metop B sont semblables, d’autre part qu’il existe un problème sur le flag nuageux AVHRRrendant difficile le filtrage des données par temps clair et donc la distinction entre les tempéra-tures du nuage et les températures de la surface de la neige.L’objectif de ce stage est de valider les Ts de Metop, dans ce contexte, dans une troisièmepartie, on va évaluer les Ts de IASI en les comparant avec d’autres produits en particulier lesdonnées d’un autre capteur MODIS qui possède un bon filtre nuageux.

28

Chapitre 3

Évaluation des températures de surfacerestituées par IASI en Antarctique

L’évaluation des températures de surface de IASI permettra leur utilisation en complémentdes données MODIS pour étudier le cycle diurne sur l’Antarctique au cours des années 2012 et2013.

La stratégie d’évaluation des températures de surface de IASI est la suivante :

— d’une part, on évalue le produit IASI brut fourni par les deux Metop sur tout l’Antarc-tique, en le comparant avec le produit MODIS clair qui a dejà été évalué dans (Wan,2014) et dans (Fréville et al., 2014).

— d’autre part, le produit IASI fourni par les deux Metop est évalué ponctuellement surdifférentes stations, en le comparant avec MODIS clair, les températures de l’ébauche 1

et les données in-situ.

3.1 Étude sur tout l’AntarctiqueL’évaluation du produit IASI s’effectue dans un premier temps sur tout l’Antarctique. On

se place toujours sur une période de l’hiver austral de 21 mai au 21 juillet 2013.

3.1.1 Comparaison IASI-MODIS

Pendant mon stage, on a utilisé les Ts MODIS fournies par Hélène Fréville, doctorante auCNRM. Ces Ts sont issues des produits Terra MOD11 et Aqua MYD11. Ces produits ont étéévalués par Wan (2014) en utilisant la méthode monocanal (inversion de l’équation de transfertradiatif à partir des Tb du canal 31). Le filtrage des données claires est effectué par l’algorithmede Wan et Dozier (1996). Ces produits issus d’une résolution spatiale d’1 km ont été projetéssur une grille stéréopolaire de 25km de résolution. Les données ont été moyennées par heureGMT.

Les Ts brutes de Metop ont été moyennées par heure GMT, projetées sur une grille sté-réopolaire de résolution 0.5˚, puis reprojetées sur une grille stéréopolaire de 25km de résolution.

La comparaison des données IASI et MODIS doit s’effectuer par temps clair. Les donnéesMODIS fournies ont déjà été filtrées des nuages. On décide donc de filtrer les données IASIsuivant le filtre nuageux de MODIS. Néanmoins, dans ce cas, on rejette deux types de donnéesIASI :

— les données de IASI dans une boîte de 25 km qui n’ont pas été prises durant la même heureque les données de MODIS dans la même boîte puisqu’on a aucune idée de la couverture

1. Rappel : la température de l’ébauche est issue d’un modèle de prévision numérique du temps. voir 1.3

29

nuageuse. MODIS et IASI ne scannent pas forcément la même zone de l’Antarctique aucours de l’heure.

— les données de IASI dans les boîtes dont les données de MODIS sont vues nuageusesdurant la même heure.

Avant de comparer les données, on s’est intéresse aux effets du "filtrage MODIS " sur lesdonnées de IASI brutes.

Résultats de la comparaison de IASI clair et MODIS clair selon le filtre MODIS

Le filtre nuageux de MODIS a joué de nombreux rôles sur les données IASI :— Il a éliminé environ 80% des données IASI.— Le filtre a réhaussé les Ts des régions côtières et a diminué les Ts de manière générale

(en particulier au centre de l’inlandsis oriental).— L’écart-type a diminué de manière générale même si on observe une augmentation ponc-

tuelle sur certaines régions (sur les côtes au Nord et sur la péninsule Antarctique).

En Annexe 4, parties 4.1, 4.2 et 4.3, les cartes, les histogrammes et les boites à moustachesdu nombre d’observations, de la température de surface et d’écart-type ont été réalisé pourMODIS clair, IASI brut et IASI clair.

Différence de températures de surface de températures de surface entre IASI clairet MODIS clair selon MODIS Afin d’évaluer la différence entre la température de surfacede MODIS et celle de IASI, une carte de moyenne de différence de Ts par heure par boîte de25 km a été réalisée (Fig 3.1b).

(a) Ts IASI clair filtré (b) Ts IASI filtré - Ts MODIS filtré

Figure 3.1 – (a)Température de surface [K] issue de IASI clair [K] moyennée du 21 mai au 21juillet 2013 sur l’Antarctique pour une orographie supérieure à 100 (b) Différences de tempé-rature de surface [K] entre IASI clair et MODIS clair

30

Figure 3.2 – Représentation en boîte à moustache de la différence de températures de surfaceentre IASI clair et MODIS clair

On constate une distribution de la différence qui semble gaussienne avec une moyenne à0,94K et un écart-type à 1,78K. Même si la moyenne des différences est égale à 0,94K et l’écart-type est de 0,18K, l’étendue de la différence des températures de surface est plutôt importantecar égale à 34,71K. Toutefois, dans 90% des cas, la différence de Ts est comprise entre −1,59et 3,91K d’après la figure 3.2 ce qui est conséquent pour deux capteurs précis.

Deux types de région sont marqués par une forte différence de Ts (Fig 3.1b) :— les zones côtières— les reliefs

Sur les zones côtières, le problème peut être expliqué par une amplitude diurne qui est plusmarquée ou par des artéfacts du flag nuageux MODIS. Cependant, la différence élevée sur lesreliefs en particulier au centre de l’inlandsis oriental semble intéressante.Pour les zones marquées par un fort dénivelé, la forte différence pourrait prévenir des résolutionsspatiales différentes entre IASI (15km) et MODIS (1km). On utilise le modèle ARPEGE pourl’inversion de la Ts avec IASI. Or, le relief est mal représenté du fait d’une résolution horizontaleplus faible que celle utilisée pour MODIS.

Écarts-types de la différence de températures de surface entre IASI clair et MODISclair selon MODIS On a réalisé une carte d’écart-type "temporel" de différence de la Ts(Fig 3.3a).

31

(a) Écart-type (Ts IASI filtré - Ts MODIS filtré)

Figure 3.3 – Écart-type de la différence de température de surface entre IASI clair et MODISclair moyennée du 21 mai au 21 juillet 2013

Figure 3.4 – Représentation en boîte à moustache de la différence des écarts-types des TS deIASI clair et MODIS

Les régions côtières qui présentent une forte différence de Ts (Fig 3.1b) présentent égale-ment un écart-type "temporel" de la différence de Ts élevé (supérieur à 4K), fortement à l’Est(supérieur à 5K) (fig 3.3a). Cela n’est pas un biais, cela est difficile à expliquer et à quantifier.La région près de la plateforme d’Amery présente également une différence de Ts élevée (su-périeure à 3K) mais présente un écart-type de la différence "faible" environ 1,5K. Ainsi, cetteforte différence de température de surface semble assez présente au cours du temps, cela sembleun biais plus facile à quantifier.

Globalement, on a une moyenne de différence de Ts de 2,71K, la médiane étant à 2,46 K :ces résultats semblent importants. L’écart-type temporel de la différence de Ts reste assez élevéglobalement. Dans 50% des cas, il est compris entre 0,02 et 2,46K.

Ainsi, au vu des résultats, les zones côtières semblent présenter de fortes différences de Tsavec un écart-type temporel fort ce qui rend l’erreur difficile à quantifier. Cependant, une zone,au centre Est de l’inlandsis, avec une altitude élevée, présente également une différence de Ts

32

élevée avec un écart-type faible. Cette différence élevée est donc vue plusieurs fois au coursdu temps. Un biais existe entre la température de surface de IASI clair et de MODIS clair àl’Ouest de l’Antarctique.

Dans une deuxième approche de comparaison, on va étudier la correlation temporelle desdonnées des deux capteurs.

Corrélation On trouve un coefficient de corrélation de 0,98 entre les données de IASI clairet MODIS clair (Fig 3.5), ce qui représente un assez bon résultat. Toutefois, les températuresde MODIS semblent un peu plus élevées que celles de IASI (Fig 3.5).

Sur la figure 3.6, les zones en blanc sont des zones où la corrélation est inférieure à 0,8.Majoritairement, la corrélation temporelle est forte (supérieure à 0,8) mais sur les côtes et surla région au centre Est de l inlandsis oriental, la corrélation entre les deux Ts est mauvaise,inférieure ou proche de 0,8. Ce résultat confirme les résultats précédents. Il semble y avoir unréel problème sur cette zone au centre de l’inlandsis oriental.

200 210 220 230 240 250 260Ts IASI clair [K]

190

200

210

220

230

240

250

260

Ts

MO

DIS

cla

ir [

K]

Regression lineaire y=0.968*x+6.176 ; R2=0.984

Figure 3.5 – Régression linéaire de la température de surface de IASI clair et la températurede surface de MODIS clair selon le MODIS moyennée par boite du 21 mai au 21 juillet 2013

33

Figure 3.6 – Carte de corrélation temporelle entre la température de surface de IASI clair et latempérature de surface de MODIS clair selon le MODIS moyennée par boite du 21 mai au 21juillet 2013 dans le cas d’une régression linéaire

Enfin, même si on sait que le résultat ne sera pas correct sur tout l’Antarctique, on réaliseles tests statistiques de comparaison de variance et de moyenne dans une dernière approchestatistique.

Cartes de statistique

Comparaison de variance Le même test statistique vu dans le chapitre 2, Partie 2.1.4Comparaison par test statistique d’homogénéité, est effectué sous l’hypothèse des boîtes degrands échantillons avec un seuil de confiance de 95% (Fig 3.7).

Figure 3.7 – Carte de δv calculé pour chaque boite de 25km de résolution : résultat du teststatistique comparaison des variances sur IASI et MODIS du 21 mai au 21 juillet 2013 avec unseuil de confiance de 95%

Les mêmes régions semblent rejeter l’hypothèse de la similitude de variance : les montstransantarctiques, près du littoral et le haut plateau de 4000 m au centre de l’inlandsis oriental,

34

régions qui présentent également une corrélation faible, proche de 0.8 (Fig 3.6) et une différencede Ts forte supérieure à 4K.

Toutefois, dans 95 % des cas, le terme statistique δv est inférieur à 1,83 et la moyenne estde 0,70, ce qui représentent des résultats convenables (Fig 3.8).

Figure 3.8 – Boîte à moustache de la répartition du terme statistique δv, comparaison de variance

Comparaison de moyenne On procède de la même manière en effectuant un test decomparaison de moyenne (Fig 3.9) .

Figure 3.9 – Carte de δm calculé pour chaque boite de 25km de résolution : résultat du teststatistique comparaison des moyennes sur IASI et MODIS du 21 mai au 21 juillet 2013 avec unseuil de confiance de 95%

D’après les figures 3.9 et 3.10, le résultat de ce deuxième test semble moins bon que lepremier sur la variance. Les zones côtières de Sud et de l’Est mais également les zones de reliefsrejettent l’hypothèse. La zone centrale au centre Est, autour de la plate-forme d’Amery rejettefortement l’hypothèse.

35

Figure 3.10 – Boite à moustache du terme statistique pour la répartition du terme statistiqueδm, comparaison de moyenne

Comme observé, le test de comparaison de variance donne des résultats bons : pour un seuilde confiance de 95%, plus de 95% des boites acceptent la similitude des variances. Le test decomparaison de moyenne donne des résultats moins bons mais pas catastrophiques. On obtientun taux de 68,7% de boites qui acceptent l’hypothèse avec ce seuil.

Au vu de ces résultats, on ne peut pas assimiler statistiquement les données de IASI clairesselon MODIS avec celles de MODIS claires. De trop grandes différences résident sur les zonescôtières mais surtout sur la zone au centre de l’inlandsis oriental.En effet, au cours de cette étude, une zone au centre de l’inlandsis oriental, étant à une altitudeélevée, 4000m, a été détectée présentant :

— une différence de Ts supérieure à 4K avec un biais temporel faible— une corrélation temporelle faible, inférieure à 0,8— une zone de refus de validation d’hypothèse de similitude de variance et de moyenne

Le but du stage était de valider les Ts de IASI, but qui passe par l’évaluation du filtrenuageux et par la comparaison de données de IASI avec celles de MODIS.Cette validation avait pour objectif de compléter les données de MODIS dans un dessein d’ob-servation de cycle diurne sur une période de deux mois et d’assimilation dans un modèle declimat.Cependant, le filtre nuageux de l’AVHRR présente certains problèmes qui ont contraint à uti-liser le filtre de MODIS afin de filtrer les données. Ce filtrage par MODIS, ne permet pasd’obtenir des informations de IASI complémentaires dans l’étude du cycle diurne.En résultat, la comparaison entre les données de IASI claires selon MODIS et MODIS clairesdonne des résultats parfois différents.Un problème apparait sur une région particulière où le relief est important. On souhaiteraitcaractériser l’erreur sur cette région qui peut provenir de plusieurs facteurs :

— le relief défini dans le modèle est différent de celui de la réalité— les résolutions spatiales différentes des capteurs : 15km pour IASI contre 1km pour

MODIS. Ces différences s’accroissent avec l’angle de visée et ce ne sont plus du tout lesmêmes scènes qui sont observées.

— une cause inconnue

On ne peut répondre à ce problème, il n’existe aucune station in-situ dans la région oùa été détecté la forte décorrélation des mesures. Toutefois, on peut comparer les données del’ébauche avec celles restituées afin de détecter une erreur sur le relief dans le modèle. Deplus, une comparaison entre les données des deux types d’instruments IASI et MODIS avecles données sur le terrain, in-situ, sur des stations particulières peut être intéressante dans la

36

mesure où l’on considère des régions de reliefs différents.

3.1.2 Comparaison IASI-Ébauche

On cherche à comparer et détecter certaines différences entre les températures de l’ébaucheet celles restituées à partir de données de IASI filtrées les donnes de MODIS. En effectuantune différence par heure par boîte puis moyennée chaque boîte sur la période, des cartes dedifférence de Ts et d’écart-type de la différence sont créées (Fig 3.11a et Fig 3.11b).

On trouve des températures de surface similaires entre IASI brut et l’ébauche même siquelques différences sur les côtes et sur la chaine montagneuse centrale au coeur de l’inland-sis oriental apparaissent. Toutefois, on constate une très grande différence de Ts sur la partieoccidentale, l’inlandsis de l’ouest : les températures de l’ébauche sont plus élevées que les tem-pératures de IASI (Fig 3.11a). Les zones à fort dénivélé semblent également présenter desdifférences. L’écart-type temporel de la différence de Ts est assez fort : on note une moyenned’écart-type de la différence de la Ts de 6,03K (Tableau 3.1).

Type Moyenne [K] Médiane [K] Écart type [K] Maximum [K] Minimum [K]diff Ts −1,92 −1,47 2,96 16,63 −47,73ect diff 6,13 5,03 3,45 30,11 0,26

Tableau 3.1 – Statistiques de la différence de températures de surface : Ts IASI - Ts ébaucheet de l’écart-type de cette différence

(a) Ts IASI - Ts ébauche (b) Écart-type (Ts IASI - Ts ébauche)

Figure 3.11 – Différence de Ts [K] entre IASI et l’ébauche moyennées du 21 mai au 21 juillet2013 (a), Écart-type de la différence de Ts entre IASI et l’ébauche [K] (b). Sur (b), un écart-typesupérieur à 10K est en blanc.

Dans une dernière approche, on va comparer les données de satellites avec les données in-situ.

3.2 Étude de comparaison ponctuelle sur des stationsCette partie présente les évaluations de Ts observée par satellite sur quatre stations auto-

matiques AWS :— Princesse Elizabeth (AWS 16) près des côtes— Kohnen (AW9) station qui culmine à 2900m

37

— Plateau Station B (AWS12) station au nord ouest de l’inlandsis oriental étant une alti-tude de 3620m

La comparaison s’effectuera égalemment avec les données de la station BSRN Dôme C,station sur le plateau homogène de l’Antarctique.Sur les figures 3.12a et 3.12b, figurent la localisation de ces stations ainsi que l’orographie del’Antarctique et la différence de Ts entre IASI clair et MODIS clair.

(a) Altitude (m) (b) Ts IASI clair - MODIS clair selon MODIS (K)

Figure 3.12 – (a) Carte d’altitude (m) de l’Antarctique et (b) Carte de différence de tempéra-tures de surface (K) entre IASI clair et MODIS clair selon MODIS

Les données de la station BSRN de Dôme C ont été fournies par Christian Lanconelli del’Institut des Sciences Atmosphériques et du climat (IASAC) du Conseil National de la Re-cherche. Les données des stations automatiques ont été fournies par l’Institut de RechercheMarine et Atmosphérique d’Utrecht.Dans cette comparaison, les données satellitaires et les données de l’ébauche sont considéréesdans un rayon de 25km autour de la station.

L’imageur AVHRR détectant mal les nuages, dans cette partie, les donnés claires et nuagesde IASI sont considérées.

3.2.1 Résultats

L’évaluation des Ts de IASI a été faite seulement sur trois stations : AWS12 sur le Plateaustation B, AWS9 Kohnen et AWS16 Princesse Elizabeth. Au pôle d’inaccessibilité, je n’ai paspu obtenir les données filtrées du givrage. En Annexe 5, une étude a été faite sur ces AWS 12,AWS9 et AWS13 (au pôle d’inaccessibilité) qui compare les températures de surface de MODISclair, IASI brut et clair selon l’AVHRR et les données brutes des stations automatiques.

Pour les station AWS9 et AWS12, le filtrage des données in-situ du givrage a rejeté unegrande partie des données (Fig 3.13a et Fig 3.13b). Sur ce qu’il reste, on observe pour la stationAWS12, au plateau station B, à la fois des périodes de bonne estimation des températuresde surface de IASI brut par rapport aux mesures in-situ filtrées (période début juin) maiségalement des périodes de différences comme celle située vers le 17 juillet. Pour la stationAWS16, à princesse Elizabeth, pratiquemment toutes les mesures sont conservées (Fig 3.13c).Quoi qu’il en soit, on regrette le givrage sur la station qui empêche l’évaluation des données

38

sur la période.Au vu des figures, la température de surface restituée par MODIS par temps clair (en rouge)suit assez bien la courbe de Ts de IASI brut (en noir) dans les trois cas. La température del’ébauche (en vert) semble être également en bon accord avec les autres Ts dans les trois cas maisprésente quelquefois de fortes différences. Par exemple à Kohnen (Fig 3.13b), une différence de20K est observée autour de la période du 27 juin.

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

180

190

200

210

220

230

240

Ts

[K]

Pla

teau S

tati

on B

x=

14

7,

y=

64

IASI brutMODIS clair Ebauche AWS12 filtre

(a) Plateau Station B

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

200

210

220

230

240

250

260

Ts

[K]

Kohnen x

=1

19,

y=

39

IASI brutMODIS clair Ebauche AWS9 filtre

(b) Kohnen

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

200

210

220

230

240

250

260

270

Ts

[K]

Pri

nce

ss E

lizabeth

Sta

tion x

=1

48

, y=

31

IASI brutMODIS clair Ebauche AWS16 filtre

(c) Princesse Elizabeth

Figure 3.13 – Série temporelle des Ts de IASI brut (en noir), de MODIS clair (en rouge),d’ARPEGE (en vert) et de la station automatique (en bleu) sur le plateau Station B AWS12(a), à Kohnen AWS9 (b) et à Princesse Élizabeth AWS16 (c) du 21 mai au 21 juillet 2013

39

Pour les trois stations, on calcule des indicateurs statistiques de la différence des tempéra-tures de surface entre : IASI brut-Station, MODIS clair-Station et Ebauche-Station (Tableau3.2, Tableau 3.3 et Tableau 3.4).

Au plateau station B, très peu de données sont utilisées dans la comparaison en raison dugivrage : 142 pour IASI et l’Ebauche sur un total de 1465 (cela représente moins de 10%) et pourMODIS seulement 43. Même si on obtient un coefficient de corrélation supérieur à 0,85 dansles trois comparaisons, on constate de trop grandes différences de températures : la moyenne etla médiane dans les trois cas sont de l’ordre de -3K. De plus, il semble que les mesures in-situfiltrées semblent généralement plus chaudes que les autres produits.

À Kohnen, on constate pour la comparaison de IASI-station :— un fort écart-type (8,27) témoignant d’une forte hétérogénéité des résultats et surtout

d’une grande étendue des différences : les différences de Ts sont comprises entre 13,07 et-22,50K

— un très faible coefficient de corrélation 0,13— un très faible nombre de données utilisées : 43

On obtient des résultats similaires dans la comparaison Ébauche-station. Concernant la com-paraison de MODIS avec la station, très peu de données sont utilisées : seulement dix. Pour cesdix données, on constate des différences qui s’étalent de -10,86 à -18,40K : cela est beaucouptrop.

À princesse Élizabeth, concernant la comparaison entre les données de IASI et des donnéesin-situ traitées, on note :

— un coefficient de corrélation affine très faible de 0,26— une très large étendue des différences de Ts : entre -46,61 et7,83K avec un fort écart-type

8,51K sur plus de 600 observations.— une moyenne de -6,32K et une médiane de -3,86K : les températures de IASI sous-

estiment les mesures in-situ, elles sont plus froides.

Concernant la comparaison des Ts entre MODIS clair et les données in-situ traitées à prin-cesse Élizabeth, il semble également que les températures de MODIS sous estiment les Ts de lastation : pour chaque observation (88 au total), la différence de Ts est négative. La différence deTs s’étale de -35,46 à -10,22K avec un écart-type de 5,15K ce qui témoigne d’une forte différencede température.

De meilleurs résultats sont trouvés pour les Ts de l’ébauche à Princesse Élizabeth. Une trèsbonne corrélation affine est obtenue, le coefficient de corrélation est de 0,88. De plus, l’étenduede la différence s’étale de 15,87 à -5,78K K avec un écart-type de 3,48K, ce qui est moins mau-vais que les résultats auparavant.

Diff Moy Médiane Std Max Min Coeff corrél. Nb d’obsIASI-station −4,02 −3,47 4,69 5,37 −18,53 0,89 142

MODIS-station −3,48 −3,75 4,22 2,94 −20,84 0,93 43Ebauche-station −3,67 −3,22 5,31 7,85 −20,26 0,83 142

Tableau 3.2 – Statistiques des données de la comparaison sur le plateau station B (AWS12) : lamoyenne (K), la médiane (K), l’écart-type (K) le maximun (K), le minimum (K), le coefficientde corrélation linéaire et le nombre d’observations utilisées dans le calcul de la différence de Tssuivant trois cas : différence de Ts entre IASI et la station automatique, différence de Ts entreMODIS et la station automatique et la différence entre l’ébauche et la station automatique

40

Diff Moy Médiane Std Max Min Coeff corrél. Nb d’obsIASI-station −4,33 −2,80 8,27 13,07 −22,50 0,13 43

MODIS-station −14,15 −14,12 2,30 −10,86 −18,40 0,97 10Ebauche-station 2,81 0,36 10,2 20,46 −14,54 0,10 43

Tableau 3.3 – Statistiques des données de la comparaison avec les données AWS9 traitées dugivrage

Diff Moy Médiane Std Max Min Coeff corrél. Nb d’obsIASI-station −6,32 −3,86 8,51 7,83 −46,61 0,26 626

MODIS-station −3,12 −3,21 5,15 −10,22 −35,46 0,66 88Ebauche-station 2,84 2,58 3,48 15,87 −5,78 0,88 626

Tableau 3.4 – Statistiques des données de la comparaison avec les données AWS16 traitées dugivrage

3.2.2 Conclusion

Au cours de cette partie sur l’évaluation des données IASI sur l’Antarctique, une premièreévaluation de données IASI a été faite à partir des données de MODIS clair, le filtrage des don-nées de IASI a été effectué suivant la disponibilité des données de MODIS clair. En résultat,de trop grandes différences ont été constatées sur tout l’Antarctique en particulier proche descôtes et près du Dôme Argus, au coeur de l’inlandsis oriental.La comparaison avec les Ts du modèle a montré également des différences encore plus impor-tantes sur les régions proches des côtes, en particulier la côte nord ouest.

La deuxième étape d’évaluation des données de IASI s’est effectué sur les stations automa-tiques. Néanmoins, cette évaluation a été difficile du fait du givrage qui a fortement éliminé lesdonnées. De grandes différences apparaissent entre les Ts que ce soit sur une station près descôtes ou en altitude au plateau station B.Cela ne semble pas dû à la présence de nuage dans la mesure où la comparaison MODIS clair- station filtrée présente également de fortes différences.

Au vu de ses résultats, on peut émettre des hypothèses sur les raisons de si "mauvais résultats" :

— le choix des stations : les stations choisies AWS sont automatiques : il n’y a pas de pré-sence humaine continue pour vérifier l’état des instruments. Au cours de notre période,deux stations sur trois ont une grande partie de données influencées par le givre ce quia impliqué une élimination de données. De plus, les stations AWS choisies se situentdans des zones de fort contraste orographique : que ce soit sur les côtes ou le centre duplateau. Dans la comparaison, on a moyenné les mesures satellitaires sur 25 km autourde la station. Le fort contraste d’altitude autour de la station a pu engendrer des erreurssur la Ts à la station. Pour améliorer les résultats, on aurait pu réduire la zone autourde la station avec le risque de ne pas avoir assez de données par heure. on peut espérerde meilleurs résultats dans la dernière partie sur l’étude des Ts à Dôme C.

— le choix de la période : on a placé notre étude du 21 mai au 21 juillet 2013 en hiveraustral pour éviter l’influence du soleil sur nos mesures. En hiver austral, la présence denuage réchauffe fortement et soudainement la surface ce qui crée de pics de Ts. De plus,le vent et donc les aérosols perturbent fortement la mesure satellitaire : en hiver,"l’airfroid et dense du centre dévale les pentes en créant des vents catabatiques, forts etpersistant"(Rémy, 2003). Or, dans cette étude aucune évaluation d’impact du vent surnos mesures a été effectuée. Un choix différent aurait été de se placer en été austral, pour

41

ne pas être influencé pas le vent : le cycle diurne est périodique, le vent est un élémentirrégulier temporellement.

— le choix des capteurs : MODIS et IASI possèdent une résolution spatiale différente (pixelde 1km pour MODIS et 12 km pour IASI) Cela peut engendrer des différences entre lacomparaison IASI/MODIS et la comparaison des données satellitaires avec les donnéesin-situ.

Quoi qu’il en soit, au vu des différents résultats obtenus, la validation des températures desurface restituées par la méthode mono canal 756 ne peut être faite sur tout l’Antarctique pourune orographie supérieure à 1000m. Dans une dernière partie, on va étudier les températuresde surface du Dôme C de IASI brut et clair selon l’AVHRR, de MODIS clair et de la stationBSRN Dôme C sur l’année 2012.

42

Chapitre 4

Étude du cycle diurne à Dôme C

Dôme C est situé sur le plateau dans une région parfaitement plate et homogène. La résolu-tion différente des deux intruments MODIS et IASI devrait avoir un très faible impact sur lesmesures. Une très bonne corrélation entre les données in-situ et les données de MODIS a déjàété trouvée à Dôme C avec des donnéees de 2009 par Natalia Tatarinova dans son stage de M2en 2013 encadré par Éric Brun et par Anais Vincensini dans (Vincensini, 2013).Encore une fois, les données dans un voisinage de 25km autour de Dôme C sont considéréespour IASI et MODIS.

Sur la figure 4.1, il apparait une excellente correspondance entre les différentes températuresde surface : MODIS clair, IASI brut, et la station BSRN, en hiver et en été austral. Les Tsissues de la station BSRN semblent un peu moins disponibles en hiver austral.Les températures de surface au cours de l’été austral ( mi-septembre à mi-mars ) sont d’ampli-tude plus petite qu’au cours de l’hiver austral.

janv. 2012 févr. 2012 mars 2012 avril 2012 mai 2012 juin 2012 juil. 2012 août 2012 sept. 2012 oct. 2012 nov. 2012 déc. 2012Temps [Heure]

190

200

210

220

230

240

250

260

Ts

20

12

Dom

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

Figure 4.1 – Série temporelle des Ts [K] de IASI brut (en bleu), de IASI clair selon l’AVHRR(en noir), MODIS clair (en rouge) et de la station BSRN (en vert) sur Dôme C station BSRNsur l’année 2012

De très bons résultats sont trouvés pour les comparaisons de Ts entre IASI clair - station,IASI brut - station et MODIS clair - station.Dans la comparaison de IASI brut et MODIS clair, le nombre d’observations est satisfaisant(1285 et 2590) mais est faible pour IASI clair selon l’AVHRR (35) (Tab 4.1). Concernant lacomparaison des Ts entre IASI brut et BSRN, on constate :

— un coefficient de corrélation affine de 0,98 (Tableau 4.1)— dans 50% des cas, la différence est comprise entre -1,02 et 1,04K et dans 90% des cas,

la différence varie de -4,60 à 3,33K (Fig 4.2).— la répartition de la différence des Ts est assez symétrique centrée sur 0.

De moins bons résultats sont trouvés dans la comparaison IASI clair-BSRN : on a uncoefficient de corrélation de 0,92 (Tab 4.1). De plus, il semble que la Ts de IASI clair surestimela Ts : dans 75% des cas la différence de température est positive (Fig 4.2). Les résultats dela comparaison MODIS clair-BSRN sont assez similaires à ceux obtenus pour la comparaison

43

IASI brut-BSRN (Tab 4.1).

Diff Moy Méd Std Max Min Corr Nb obs Nb obs iniIASI clair-station 1,64 1,11 2,76 16,85 −4,02 0,92 35 203IASI brut-station −0,17 0,07 2,59 10,41 −14,76 0,98 1285 2486

MODIS clair-station −0,37 −0,18 2,29 12,28 −16,26 0,98 2590 4730

Tableau 4.1 – Statistiques des données de la comparaison avec les données BSRN et les donnéessatellitaires sur l’Année 2012 : la moyenne (K), la médiane (K), l’écart-type (K), le maximum(K), le minimum (K), le coefficient de corrélation, le nombre d’observations utilisées dans lacomparaison et le nombre initiald’observations de IASI clair, IASI brut et MODIS clair

(a) IASI clair - BSRN (b) IASI brut - BSRN (c) MODIS clair- BSRN

Figure 4.2 – Représentation en boîte à moustache de la différence de Ts [K] sur 2012

Globalement, sur toute l’année 2012, de très bons résultats sont obtenus à Dôme C pourIASI brut et MODIS brut. On retrouve bien les résultats d’Anais Vincensini qui avait travaillésur deux mois d’Été austral 2009. On a trouvé intéressant d’étudier les températures sur deuxmois : janvier qui est représentatif de l’été austral et juin pour l’hiver austral. En Annexe 6,la série temporelle des différentes températures de surface pour chaque mois de l’année 2012 aété tracée et est visible.

Étude en janvier : été australEn été austral, chaque produit de Ts décrit parfaitement le cycle diurne (Fig 4.3). Il apparait

une excellente concordance des Ts de IASI brut, MODIS clair et BSRN. Il est constaté entre le15 et 18 janvier un léger décrochage de la Ts pour les trois produits qui pourrait être expliquépar la présence de nuages.

janv. 03 2012 janv. 06 2012 janv. 09 2012 janv. 12 2012 janv. 15 2012 janv. 18 2012 janv. 21 2012 janv. 24 2012 janv. 27 2012 janv. 30 2012Temps [Heure]

220

230

240

250

260

Ts

20

12

Dom

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

Figure 4.3 – Série temporelle des Ts de IASI brut et clair, MODIS filtré clair sur Dôme C etsur la station BSRN centrée sur janvier 2012, été austral

Très peu de données sont utilisées dans la comparaison IASI filtrées de l’AVHRR et BSRN(Tab 4.2). De ce fait, on ne prendra pas en considération ces résultats. Concernant la comparai-son entre IASI brut et BSRN, de bons résultats sont obtenus (moyenne de 1,50K, Tab 4.2). On

44

note un coefficient de corrélation de 0,95 (Fig 4.2). MODIS clair obtient de meilleurs résultatsque IASI brut : l’étendue de la différence s’étend de -8,63 à 2,56K (Fig 4.4). On peut penserque détection nuageuse de MODIS fonctionne bien mais il réside quelques erreurs. Les périodesde différences peuvent également dues à du vent. Quoi qu’il en soit, en été austral, dans despériodes de stabilités météorologiques (pas de nuages et pas de vent) on constate une quasiparfaite harmonie des températures de surface de IASI, MODIS et BSRN.

Diff Moy Méd Std Max Min Corr Nb obs Nb obs iniIASI clair-station −1,21 −1,17 0,31 −0,85 −1,69 0,98 4 4IASI brut-station −1,50 −0,79 2,78 3,34 −12,38 0,95 196 233

MODIS clair-station −1,26 −1,02 1,70 2,56 −8,63 0,98 308 376

Tableau 4.2 – Statistiques des données de la comparaison avec les données BSRN et les donnéessatellitaires en janvier 2012 (été austral) : la moyenne (K), la médiane (K), l’écart-type (K), lemaximum (K), le minimum (K), le coefficient de corrélation, le nombre d’observations utiliséesdans la comparaison et le nombre initiald’observations de IASI clair, IASI brut et MODIS clair

(a) IASI clair - BSRN (b) IASI brut - BSRN (c) MODIS clair- BSRN

Figure 4.4 – Représentation en boîte à moustache de la différence de Ts [K] sur janvier

Étude en juin : hiver australEn premier lieu, on constate très peu de données de la station BSRN (Fig 4.5), ce qui en-

gendre un faible nombre d’observations utilisées dans le calcul des différences de Ts (38 obspour IASI brut et 76 pour MODIS clair) (Tableau 4.3). Toutefois, la différence des Ts dansce cas est très faible pour la Ts de IASI brut et claire mais aussi pour MODIS clair. On noteégalement de très bons coefficients de corrélation affine (0.98 IASI clair, 0.95 IASI brut et 0.96pour MODIS). En second lieu, on observe de forts pics de températures de surface (Fig 4.5).Ces sauts peuvent même atteindre 40K en quelques jours (avant le 25 juin Fig 4.5). ChristopheGenthon avait également remarqué en hiver austral sur l’Antarctique ces brusques sauts, il lesdécrit comme des "intrusions chaudes". Éric Brun, dans une communication personnelle, estpersuadé que ce phénomène est du à la présence de nuages qui vient réchauffer brusquementune température de surface de neige très froide. Ces variations brutales de Ts sont assez bienestimées par les Ts de MODIS et de IASI.

En conclusion, on constate d’excellents résultats sur la station Dôme C Concordia au coursde l’année 2012 pour chaque mois. En été austral, seule la présence de nuages et de vent vientquelques fois perturber la mesure, toutefois, le cycle diurne est très bien détecté par les Ts deIASI, MODIS et la station BSRN. L’amplitude du cycle varie entre 10 et 17 K au cours de lajournée.En hiver austral, aucun cycle diurne est détecté. La présence de nuage vient perturber plus

45

fortement la température de surface pour les données satellitaires mais également pour lesdonnées in-situ en créant de grandes variations de Ts rapidement. Quoi qu’il en soit, le résultatà dôme C est rassurant : les résultats d’Anais et Natalia sont retrouvés sur une autre périoded’étude.

juin 04 2012 juin 11 2012 juin 18 2012 juin 25 2012Temps [Heure]

200

210

220

230

240

Ts

20

12

Dom

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

Figure 4.5 – Série temporelle des Ts de IASI brut et clair, MODIS filtré clair sur Dôme C etsur la station BSRN centrée sur juin 2012 (hiver austral)

Diff Moy Méd Std Max Min Corr Nb obs Nb obs iniIASI clair-station −2,08 −1,38 1,39 −0,84 −4,02 0,98 3 29IASI brut-station −1,54 1,79 2,65 0,97 −13,36 0,95 38 185

MODIS clair-station −1,39 −0,90 1,73 2,14 −8,08 0,96 76 377

Tableau 4.3 – Statistiques des données [K] de la comparaison avec les données BSRN et lesdonnées satellitaires en juin (hiver austral) : la moyenne (K), la médiane (K), l’écart-type(K), le maximum (K), le minimum (K), le coefficient de corrélation, le nombre d’observationsutilisées dans la comparaison et le nombre initiald’observations de IASI clair, IASI brut etMODIS clair

(a) IASI clair - BSRN (b) IASI brut - BSRN (c) MODIS clair- BSRN

Figure 4.6 – Représentation en boîte à moustache de la différence de Ts [K] sur juin

4.0.3 Conclusion

Se placer sur le plateau, région plate sur des kilomètres, donne des résultats excellents :pour chaque saison, pour chaque mois, pour chaque jour, à chaque heure, la Ts de IASI suitparfaitement la Ts de MODIS et la Ts in-situ dans les cas de ciel clair.

Il semble néanmoins très difficile de valider les Ts de IASI sur tout l’Antarctique, du fait dela forte et rapide variation d’altitude et de Ts sur le continent. Les données satellitaires offrentl’avantage de fournir une grande quantité de données rapidement mais la résolution spatiale estsupérieure au kilomètre ce qui reste problèmatique.

46

Conclusion et perspectives

Le principal objectif de mon stage était de valider les températures de surface restituées àpartir d’un instrument hyperspectral Infrarouge IASI présent sur deux satellites opérationnelsMetop A et Metop B sur le continent de l’Antarctique au cours des années 2012 et 2013. Cettevalidation faite, ces températures de surface devaient être étudiées en complément des donnéesvalidées d’un autre capteur MODIS présent sur Terra et Aqua afin d’étudier un cycle diurneau cours des années 2012 et 2013. Initialement, une restriction de la période d’étude a été faitepour limiter l’influence du soleil et pour réduire le nombre d’observations à traiter : on décidede se placer en hiver austral, du 21 mai au 21 juillet 2013. L’année 2013 a été choisie pour ladisponibilité simultanée des données des deux satellites. Au cours de cette période, le nombrede données pour chaque satellite a été réduit environ à 5 millions.

Dans un premier temps, on a démontré que les températures de surface de IASI sur MetopA et Metop B sont rigoureusement identiques sur tout l’Antarctique présentant une orographiesupérieure à 1000m. En même temps, on a retrouvé que la détection nuageuse de l’AVHRRétait de mauvaise qualité. En effet, les températures de surface très froides et l’inversion de latempérature près de la surface en Antarctique rendent difficile la détection de nuage. De plus,le fait que les températures de surface soient généralement plus froides que les températuressur une grande partie de la colonne atmosphérique rend la détection plus ardue. Une bonnedétection de nuages nécessite une bonne connaissance des températures de surface pour pou-voir différencier la surface du sol du nuage. Néanmoins, de bonnes températures de surface sontobtenues en utilisant une bonne détection nuageuse. Cela complexifie le problème et le rendsans fin.Durant mes cinq mois de stage, on a mis en évidence deux problèmes nouveaux dans cettedétection : il apparait, d’une part, à 8 et 9h solaire, une surestimation des pixels nuageux audessus de l’Antarctique, d’autre part, une légère surestimation de nuages avec Metop B. Unretour a été fait à Eumetsat.Ces problèmes sur la détection nuageuse rendent impossible la validation des Ts de IASI sur lapériode avec cette détection avec l’AVHRR car on n’est pas sûr d’observer la température desurface de neige.

Dans un deuxième temps, on a comparé les Ts de IASI avec celles de MODIS qui ont déjàété validées. Pour ces deux produits, la détection nuageuse de MODIS a été employée. Lacomparaison entre ces deux produits n’a pas été concluante : de trop grandes différences detempératures de surface sont observées. On ne peut exclure que la résolution spatiale différentedes deux capteurs ainsi que la différence d’angle d’observations ont contribué à cette grandedifférence. De plus, les différences remarquées sur le plateau pourrait provenir d’un relief erronédans ARPEGE.

La comparaison avec des mesures de stations de surface a été également décevante dans lamesure où le givrage des instruments a éliminé beaucoup de données. Un choix différent auraitété de se placer sur d’autres stations plus surveillées mais aucune donnée n’était disponibledurant mon stage. On aurait pu également modifier la période d’étude pour se placer sur l’étéaustral afin de réduire l’effet du givrage et les brusques pics de Ts dus aux nuages qui réchauffentfortement la surface terrestre.

47

Pour finir sur une note positive, on a constaté une nette amélioration de la température desurface de l’ébauche suite à des modifications de paramètrisation de la neige dans ARPEGE en2010.De plus, on a comparé les températures de surface de IASI brut, MODIS clair et de la stationBSRN à Dôme C Concordia sur l’année 2012, d’excellents résultats sont trouvés par ciel clair.Dôme C Concordia a en effet la particularité d’être une zone plate, sans dénivelé à l’horizon ethabitée par les scientifiques qui maintiennent les instruments en les dégivrant manuellement.

Ainsi, clairement, le relief de l’Antarctique (fortement dénivelé sur les côtes) et la détectionde nuage de l’AVHRR semblent être des freins dans la validation généralisée à l’Antarctique dela mesure par télédétection IASI.Pour pouvoir valider les températures de surface par IASI, il faut améliorer cette détection.Concernant le fort dénivelé près des côtes, une sélection fine des données afin de se placer surle plateau pourrait limiter les erreurs.Néanmoins, la résolution spatiale de IASI de 12km contre 1km pour MODIS risque de compli-quer continuellement la validation des données IASI sur l’Antarctique.L’Antarctique est vraiment un continent difficile à observer !

Les cinq mois de stage au sein du CNRM GAME se sont très bien déroulés. J’ai pu décou-vrir le monde de la recherche et ai développé mes compétences. Mes capacités informatiquesse sont accrues. Tout mon stage s’est déroulé sous l’environnement Linux, environnement queje ne maitrisais guère auparavant. J’ai ainsi appris l’écriture shell. De plus, je me suis initiéeau langage Scilab qui reste assez proche de Matlab. J’ai redécouvert le langage python que j’aiappris au cours de ma scolarité à l’ENSTA Bretagne, langage que je trouve très pratique pourla réalisation de cartes. J’ai également utilisé les opérateurs NCO (NetCdf) et CDO (ClimateData Operators) pour manipuler des fichiers NetCDf, et ai employé le logiciel NCview pourvisuliser les datasets. Enfin, j’ai découvert le langage LaTex pour la rédaction de mon rapport.

Outre le développement de mes capacités informatiques, j’ai eu l’occasion d’apprendre da-vantage dans le domaine de la météorologie en particulier sur le sondage satellitaire. J’ai eude la chance de travailler sur un sujet passionnant avec des des surprises et des déceptions.J’ai également aimé le travail de chercheur : chercher, trouver, se tromper, refaire les calculsun grand nombre de fois et analyser les résultats. Mes capacités de persevérance, d’analyse,d’autonomie, de gestion de temps et de détermination ont ainsi pu être developpées. Enfin, j’aiété très contente que mon travail aboutisse à un résultat constructif pour l’équipe observationsen radiances infrarouges.

Pour conclure, même si je ne me destine pas au métier de chercheuse, les qualités quej’ai acquises durant mon stage me seront bénéfiques quelque soit le métier que j’exercerai. Deplus, le travail que j’ai effectué amène de nouvelles problématiques et de futures études plusapprofondies sur la détection nuageuse et sur l’assimilation des données sur l’Antarctique pourl’équipe d’observations en radiances infrarouges du CNRM-GAME.

48

Références bibliographiques

Brun, E., Six, D., Picard, G., et al. (2011). Snow atmosphere coupled simulation at dome c,antartica. Journal of Glaciology, (204 (57),721-736).

Cayla, F.-R. (Février 2001). L’interferometre iasi un nouvel sondeur satellitaire à haute réso-lution. La météorologie, (32,23-39).

CNES (Page consultée le 13 Aout 2014b). Iasi-ng. http ://smsc.cnes.fr/IASI-NG/Fr/.CNES (Page consultée le 4 Juillet 2014a). Iasi. http ://smsc.cnes.fr/IASI/Fr/.CNRM-GAME (Page consultée le 8 Aout 2014). Centre national de re-

cherches météorologiques groupe d’études de l’atmosphère météorologique.http ://www.cnrm.meteo.fr/spip.php ?rubrique1.

Céron, J.-P., Desroziers, M., Pérarnaud, V., Traullé, M.-P., et Veysseire, J.-M. n 15 Cours destatistiques Applications à la météorologie.

Fréville, H., Brun, E., Picard, G., Tatarinova, N., Arnaud, L., Lanconelli, C., Reijmer, C., et denBroeke M, V. (Mars 2014). Using modis land surface temperatures and the crocus snowmodel to understand the warm bias of era-interim reanalyses at the surface in antarctica.The Crycosphere.

Guedj, S. (2011). Assimilation des observations satellitaires au-dessus des surfaces continen-tales. PhD thesis, Université de Toulouse.

J Hook, S., Gabell, A., Green, A., et Kealy, P. (1992). A comparaison of techniques for extractingemissivity information from thermal infrared data for geologic studies. Remote Sensing ofEnvironment, (42,123-135).

NASA (Page consultée le 8 Juillet 2014). Modis web. http ://mo-dis.gsfc.nasa.gov/about/design.php.

Pailleux, J. (Novembre 2002). Les besoins en observations pour la prévision numérique dutemps. La météorologie, (39,42-55).

Phulpin, T., Rabier, F., Lavanant, L., et al. (Février 2003). Le sondage satellitaire et sonévolution. La météorologie, (40,80-85).

Rabier, F., Bouchard, A., et Brun, E. (2010a). The concordiasi project in antarctica for theinternational polar year (ipy). BAMS, (91,69-86).

Rabier, F., Bouchard, A., Brun, E., et al. (Mai 2010b). Le projet concordiasi en antarctique.La météorologie, (69,42-55).

Rémy, F. (2003). L’Antarctique, la mémoire de la Terre vue de l’espace. CNRS éditions.Thépaut, J.-N. et Mahfouf, J.-F. (Février 2003). Le potentiel des nouvelles mesures satellitaires

pour la prévision numérique. La météorologie, (40,86-91).Vincensini, A. (2013). Contribution du sondeur IASI à l’estimation des paramètres des surfaces

continentales pour la prévision numérique du temps. PhD thesis, Université de Toulouse.Wan, Z. (2014). New refinements and validation of the collection-6 modis land-surface tempe-

rature/emissivity products. Remote Sensing of Environment, (140, 36-45).Wan, Z. et Dozier, J. (1996). A generalized split-window algorithm for retrieving land-surface

temperature from space. IEEE Transactions on Geoscience and Remore sensing, (34(4),892-905).

49

Table des figures

1.1 Image de l’Antarctique par le satellite Landsat [source LEGOS] . . . . . . . . . 41.2 Satellite Metop et principe de balayage [source CNES] . . . . . . . . . . . . . . . 71.3 Principe du sondage de l’atmosphère en cas de ciel clair ou de ciel nuageux

[source The Comet Program] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.1 Série temporelle des températures de surface moyennées par heure solaire surtout l’Antarctique du 21 mai au 21 juillet 2013 restituées à partir de IASI surMetop A (en bleu) et Metop B (en rouge) par ciel clair (forme rectangulaire),par ciel nuageux (forme rectiligne) et pour tout ciel (forme triangle) . . . . . . . 12

2.2 Pourcentage du nombre d’observations cummulées du 21 mai au 31 juillet 2013par ciel clair par heure solaire pour Metop A (bleu) et Metop B (rouge) . . . . 13

2.3 (a) et (b) Cartes de températures de surface [K] restituées à partie de IASIsur Metop A (a) et sur Metop B (b), moyennées du 21 mai au 21 juillet 2013 etprojetées une sur grille stéréopolaire 5˚*0.5˚(C) Carte du relief de l’Antarctique[m] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.4 en (a) Série temporelle de la température de surface [K] moyennée par heuresolaire du 21 mai au 21 juillet 2013 sur une partie de l’Antarctique (tracée surFig 2.4b) en (b) Zone considérée sur l’Antarctique, données de Metop A à 5hsolaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.5 (a) Carte du nombre d’observations de IASI sur Metop A cumulées du 21 maiau 21 juillet 2013 sur une grille stéréopolaire 5˚* 0.5˚(b) Carte de la différencedu nombre d’observations cumulées du 21 mai au 21 juillet 2013 sur une grillestéréopolaire 5˚* 0.5˚ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.6 (a) Carte de la température de surface restituée par IASI sur Metop A (a) et (b)carte de la différence de la température de surface restituée par IASI sur MetopA moyennée du 21 mai au 21 juillet 2013, projetée sur une grille stéréopolaire5˚* 0.5˚ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.7 Représentation en boite à moustache des différences de températures de surfacede températures de surface restituées sur IASI entre Metop A et Metop B [K], Q1représente le premier quartile, il sépare les 25% inférieurs des données, min estle minimum, C5 est le cinquième centile : il sépare les 5% inférieurs des données,C95 est le quatre vingt cinquième centile : il sépare les 5% supérieurs, max estle maximum et enfin Q3 est le troisième quartile qui sépare les 25% supérieursdes données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.8 (a) Carte d’écart-type de la température de surface restituée par IASI sur MetopA moyennées du 21 mai au 21 juillet 2013 sur une grille stéréopolaire 5˚× 0.5˚(b)Carte de la différence d’écart-type de la température de surface restituée par IASIentre Metop A et Metop B, moyennée du 21 mai au 21 juillet 2013, projetée surune grille stéréopolaire 5˚× 0.5˚ . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.9 Représentation en boite à moustache de la différence d’écarts-types de tempéra-tures de surface restituées [K] sur IASI entre Metop A et Metop B [K] . . . . . . 18

2.10 Régressin linéaire entre les températures de surface restituées par IASI sur MetopA et Metop B, moyennées par heure solaire et par jour du 21 mai au 21 juillet2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

50

2.11 Carte de δv calculé pour chaque boite 0, 5˚× 0, 5˚ : résultat du test statistiquecomparaison des variances sur deux populations de IASI : Metop A et Metop Bdu 21 mai au 21 juillet 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.12 Carte de δm calculé pour chaque boite 0, 5˚× 0, 5˚ : résultat du test statistiquecomparaison des moyennes sur deux populations de IASI : Metop A et Metop Bdu 21 mai au 21 juillet 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.13 Températures de surface restituées par IASI sur Metop A par ciel clair et nuageux(a), par ciel clair selon l’AVHRR (b), nombre d’observations cumulées du IASIsur Metop A par ciel clair et nuageux (c) et par ciel clair uniquement (d). Cescartes ont été réalisées en moyennant les données du 21 mai au 21 juillet 2013sur une grille stéréopolaire 5˚∗ 0, 5˚à 7h solaire . . . . . . . . . . . . . . . . . 23

2.14 Températures de surface restituées par IASI sur Metop A par ciel clair et nuageux(a), par ciel clair selon l’AVHRR (b), nombre d’observations cumullées du IASIsur Metop A par ciel clair et nuageux (c) et par ciel clair uniquement (d). Cescartes ont été réalisées en moyennant les données du 21 mai au 21 juillet 2013sur une grille stéréopolaire 5˚× 0, 5˚à 8h solaire . . . . . . . . . . . . . . . . . 24

2.15 Pourcentage des données de Metop A par heure solaire du 21 mai au 21 juillet2013 suivant la couverture nuageuse vue selon l’AVHRR, en rouge les donnéespar ciel potentiellement très nuageux (indice nuageux 100), en jaune les donnéesvues par ciel potentiellement nuageux (indice compris entre 10 et 100), en bleules données vues par ciel clair (indice inférieur à 10) et en vert les données sansindice de couverture nuageuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.16 Températures de surface et de brillance restituées par IASI sur le canal 756,moyennées sur l’Antarctique pour une orographie supérieure à 1000m du 21 maiau 21 juillet 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.17 Pourcentage de données vues par ciel nuageux par heure solaire et par mois pourMetop A (a) et pour Metop B (b) du 21 mai au 21 juillet 2013, en bleu en mai,en rouge en juin et en jaune en juillet . . . . . . . . . . . . . . . . . . . . . . . . 26

2.18 Série temporelle des Tb du canal 756 par heure solaire du 1er au 21 juillet 2013pour Metop A, en bleu les données vues par ciel totalement nuageux, en orangeles données vues par ciel clair selon l’AVHRR et en jaune les données vues parciel clair et nuageux (toutes les données) . . . . . . . . . . . . . . . . . . . . . . 27

2.19 Pourcentage de données nuageuses (en bleu) et claires (en rouge) selon l’AVHRRde Metop A entre le 21 mai et le 21 juillet 2013 . . . . . . . . . . . . . . . . . . 27

2.20 Série temporelle des températures de brillance du canal 756 de IASI sur MetopA moyennés par jour du 1er juillet à 7h solaire (a) et à 8h solaire (b) . . . . . . 28

3.1 (a)Température de surface [K] issue de IASI clair [K] moyennée du 21 mai au 21juillet 2013 sur l’Antarctique pour une orographie supérieure à 100 (b) Différencesde température de surface [K] entre IASI clair et MODIS clair . . . . . . . . . . 30

3.2 Représentation en boîte à moustache de la différence de températures de surfaceentre IASI clair et MODIS clair . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.3 Écart-type de la différence de température de surface entre IASI clair et MODISclair moyennée du 21 mai au 21 juillet 2013 . . . . . . . . . . . . . . . . . . . . 32

3.4 Représentation en boîte à moustache de la différence des écarts-types des TS deIASI clair et MODIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.5 Régression linéaire de la température de surface de IASI clair et la températurede surface de MODIS clair selon le MODIS moyennée par boite du 21 mai au 21juillet 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3.6 Carte de corrélation temporelle entre la température de surface de IASI clair etla température de surface de MODIS clair selon le MODIS moyennée par boitedu 21 mai au 21 juillet 2013 dans le cas d’une régression linéaire . . . . . . . . . 34

51

3.7 Carte de δv calculé pour chaque boite de 25km de résolution : résultat du teststatistique comparaison des variances sur IASI et MODIS du 21 mai au 21 juillet2013 avec un seuil de confiance de 95% . . . . . . . . . . . . . . . . . . . . . . . 34

3.8 Boîte à moustache de la répartition du terme statistique δv, comparaison devariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.9 Carte de δm calculé pour chaque boite de 25km de résolution : résultat du teststatistique comparaison des moyennes sur IASI et MODIS du 21 mai au 21 juillet2013 avec un seuil de confiance de 95% . . . . . . . . . . . . . . . . . . . . . . . 35

3.10 Boite à moustache du terme statistique pour la répartition du terme statistiqueδm, comparaison de moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.11 Différence de Ts [K] entre IASI et l’ébauche moyennées du 21 mai au 21 juillet2013 (a), Écart-type de la différence de Ts entre IASI et l’ébauche [K] (b). Sur(b), un écart-type supérieur à 10K est en blanc. . . . . . . . . . . . . . . . . . . 37

3.12 (a) Carte d’altitude (m) de l’Antarctique et (b) Carte de différence de tempéra-tures de surface (K) entre IASI clair et MODIS clair selon MODIS . . . . . . . . 38

3.13 Série temporelle des Ts de IASI brut (en noir), de MODIS clair (en rouge),d’ARPEGE (en vert) et de la station automatique (en bleu) sur le plateau StationB AWS12 (a), à Kohnen AWS9 (b) et à Princesse Élizabeth AWS16 (c) du 21mai au 21 juillet 2013 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.1 Série temporelle des Ts [K] de IASI brut (en bleu), de IASI clair selon l’AVHRR(en noir), MODIS clair (en rouge) et de la station BSRN (en vert) sur Dôme Cstation BSRN sur l’année 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.2 Représentation en boîte à moustache de la différence de Ts [K] sur 2012 . . . . . 444.3 Série temporelle des Ts de IASI brut et clair, MODIS filtré clair sur Dôme C et

sur la station BSRN centrée sur janvier 2012, été austral . . . . . . . . . . . . . 444.4 Représentation en boîte à moustache de la différence de Ts [K] sur janvier . . . . 454.5 Série temporelle des Ts de IASI brut et clair, MODIS filtré clair sur Dôme C et

sur la station BSRN centrée sur juin 2012 (hiver austral) . . . . . . . . . . . . . 464.6 Représentation en boîte à moustache de la différence de Ts [K] sur juin . . . . . 46

52

Liste des tableaux

1.1 Comparaison des instruments IASI et MODIS, sources (NASA, 2014), (Phul-pin et al., 2003) et (CNES, 2014a) . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.2 Coordonnées géographiques des stations [source IMAU] . . . . . . . . . . . . . . 9

3.1 Statistiques de la différence de températures de surface : Ts IASI - Ts ébaucheet de l’écart-type de cette différence . . . . . . . . . . . . . . . . . . . . . . . . 37

3.2 Statistiques des données de la comparaison sur le plateau station B (AWS12) : lamoyenne (K), la médiane (K), l’écart-type (K) le maximun (K), le minimum (K),le coefficient de corrélation linéaire et le nombre d’observations utilisées dans lecalcul de la différence de Ts suivant trois cas : différence de Ts entre IASI et lastation automatique, différence de Ts entre MODIS et la station automatique etla différence entre l’ébauche et la station automatique . . . . . . . . . . . . . . . 40

3.3 Statistiques des données de la comparaison avec les données AWS9 traitées dugivrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3.4 Statistiques des données de la comparaison avec les données AWS16 traitées dugivrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.1 Statistiques des données de la comparaison avec les données BSRN et les donnéessatellitaires sur l’Année 2012 : la moyenne (K), la médiane (K), l’écart-type(K), le maximum (K), le minimum (K), le coefficient de corrélation, le nombred’observations utilisées dans la comparaison et le nombre initiald’observationsde IASI clair, IASI brut et MODIS clair . . . . . . . . . . . . . . . . . . . . . . 44

4.2 Statistiques des données de la comparaison avec les données BSRN et les don-nées satellitaires en janvier 2012 (été austral) : la moyenne (K), la médiane (K),l’écart-type (K), le maximum (K), le minimum (K), le coefficient de corrélation,le nombre d’observations utilisées dans la comparaison et le nombre initiald’ob-servations de IASI clair, IASI brut et MODIS clair . . . . . . . . . . . . . . . . 45

4.3 Statistiques des données [K] de la comparaison avec les données BSRN et lesdonnées satellitaires en juin (hiver austral) : la moyenne (K), la médiane (K),l’écart-type (K), le maximum (K), le minimum (K), le coefficient de corrélation,le nombre d’observations utilisées dans la comparaison et le nombre initiald’ob-servations de IASI clair, IASI brut et MODIS clair . . . . . . . . . . . . . . . . 46

53

Glossaire

ALADIN Aire limitée Adaptation dynamique Développement InterNational. 3AROME Application de la Recherche à l’Opérationnel à Mésoéchelle. 3ARPEGE Action de Recherche Petite Echelle Grande Echelle. 9, 31, 48AVHRR Advanced very High Resolution Radiometer. 2, 5, 6, 8, 10, 22, 23, 28, 36, 38, 42AWS Automatic Weather Station. 9, 37

BSRN Baseline Surface Radiation Network. 9, 43

CNES Centre National des Études Spatiales. 5CNRM-GAME Centre National de Recherche Météorologique - Groupe d’études de l’Atmo-

sphère Météorologique. 3, 4CNRS Centre National de Recherche Scientifique. 3

ESA Agence Spatiale Européenne. 5Eumetsat Organisation européenne pour l’exploitation des satellites météorologiques. 5, 28

GMT Greenwich Mean Time. 11, 29

IASI Interféromètre Atmosphérique de Sondage par l’Infrarouge. 2, 5–8, 10, 19, 22, 29–31, 33,36, 38, 43

IIS Integrated Image Subsystem. 8IMAU Insitute for Marine and Atmospheric research Utrech. 9, 53IR Infrarouge. 2, 5, 8

Metop Meteorological Operational. 2, 5, 8, 12, 15, 17, 19, 20, 23, 26, 28, 29MODIS Moderate Resolution Imaging spectroradiometer. 2, 5–7, 28–31, 33, 36, 43

NASA National Aeronautics and Space Administration. 5NOAA National Oceanic and Atmospheric Administration. 8

PNT Prévision Numérique du Temps. 9

Tb Température de brillance. 7, 26–28Ts Températures de surface. 7, 10, 14–19, 22, 26, 28–33, 35–37, 39, 40, 43

54

Annexe

55

Table des matières

1 Comparaison des satellites MetOp A et B avec Terra et Aqua 2

2 Méthode de conversion de données GMT en heures solaires 3

3 Comparaison de données de IASI brut, filtré par ciel clair et filtré par temps nua-geux 4

4 Comparaison IASI-MODIS 64.1 Nombre d’observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64.2 Températures de surface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74.3 Écarts-types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94.4 Différence de température de surface . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104.5 Écarts-types de la différence de température de surface . . . . . . . . . . . . . . . . . 10

5 Comparaison des données AWS non traitées du givrage avec IASI brut, MODISclair et l’ébauche du 21 mai au 21 juillet 2013 115.1 Station AWS12 : Plateau station B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115.2 Station AWS12 : Pôle d’inaccessibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 125.3 Station AWS9 : Kohnen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

6 Série temporelle des Ts en Antarctique en 2012 à Dôme C Concordia 14

1

Chapitre 1

Comparaison des satellites MetOp A et Bavec Terra et Aqua

Paramètres MetOp A et B Terra/AquaOrbite quasi polaire, héliosynchrone quasi polaire, héliosynchroneAltitude 817 km 705 km

Inclinaison 98.7˚ 98.2˚Période de révolution 101 min 98 min

Cycle 29 jours 16 joursDate de lancement 2006/2012 1999/2004

Agence CNES/Eumetsat NASADurée de vie nominale 5 ans 6 ans

Tableau 1.1 – Comparaison des satellites MetOp et Terra/Aqua : type de l’orbite, altitude du satellite,inclinaison de l’orbite, période de révolution, cycle : durée entre deux passages au-dessus d’un mêmepoint dans les mêmes conditions (angle de visée identique), date de lancement du satellite, agence àl’origine du satellite et la durée de vie nominale du satellite

Les quatre satellites sont dits défilants : ils évoluent à une altitude basse suivant une orbite quasipolaire, inclinée de 98.7˚ou de 98.2˚par rapport au plan équatorial. Leur basse altitude leur permetd’avoir une bonne résolution spatiale et d’acquérir des informations sur les pôles. De plus, l’orbite estégalement héliosynchrone : le plan de l’orbite suit le déplacement apparent du soleil. Par conséquent,les satellites repassent au dessus d’un point à la surface de la terre toujours à la même heure solaire.

2

Chapitre 2

Méthode de conversion de données GMTen heures solaires

Les données de MetOp nous sont données par heure GMT. L’heure GMT correspond à l’heuresolaire moyen calculé à midi à Greenwich. Il a donc fallu les convertir en heures solaires astronomiques,heures de la journée déterminées par le déplacement apparent du Soleil.

Il y a deux corrections à apporter à l’heure GMT :— la correction du temps du au fait que la terre n’a pas une vitesse de rotation uniforme autour

du soleil— la correction de la longitude. Deux points situés sur le même méridien ont la même heure solaire

ce qui n’est pas le cas de deux points situés sur des méridiens différents. Le soleil se lève à l’estet se couche à l’Ouest, du à la rotation unisens de la Terre.

Pour la correction du temps, j’ai récupéré les passages de soleil au zénith au méridien de Greenwichpour les jours considérés. J’ai relevé l’écart entre midi et le midi constaté.Le midi constaté a été récupéré sur l’éphéméride de l’Institut Mécanique Céleste et de Calcul desÉphémerides. la correction s’écrit suivant la formule 2.1.

Correctiontemps = Heureconstatee −Heuretheorique (2.1)

Pour la correction de la longitude, on sait que la terre est séparée en 24 fuseaux horaires et la terreen 360˚. On a donc une correspondance entre la longitude et l’heure. Notre formule de correction (enheures) se définit suivant la formule 2.2.

Correctionlong = Longitude ∗ 24/360 (2.2)

La correction totale à appliquer à l’heure GMT s’effectue suivant la formule 2.3.

Heuressolaires = HeuresGMT + Correctionlong + Correctiontemps (2.3)

3

Chapitre 3

Comparaison de données de IASI brut,filtré par ciel clair et filtré par tempsnuageux

Figure 3.1 – Série temporelle du nombre d’observations cumulées du 21 mai au 21 juin 2013 surl’Antarctique pour une orographie supérieure à 1000m par heure solaire

Le nombre d’observations chute entre 10 et 20h solaires et devient même nul : c’est la nuit totale. Lenombre d’observations des données de IASI brutes chute brutalement : on passe d’une densité d’environ400000 données à 100000 données filtrées à 1h solaire.

4

Figure 3.2 – Série temporelle de l’écart-type de la température de surface moyennée du 21 mai au 21juin 2013 sur l’Antarctique pour une orographie supérieure à 1000m par heure solaire

L’écart-type de Ts filtrées de IASI est plus faible que celui des Ts brutes. Cela s’explique par laforte diminution du nombdre d’observations.

5

Chapitre 4

Comparaison IASI-MODIS

4.1 Nombre d’observations

a. MODIS b. IASI c. IASI clair

Figure 4.1 – Carte du nombre d’observations

a. MODIS clair b. IASI c. IASI clair

Figure 4.2 – Répartition du nombre d’observation

6

Figure 4.3 – Répartition du nombre d’observation

Une grande quantité de donnée IASI est rejetée par le filtre nuageux de MODIS.

4.2 Températures de surface

(a) Carte Ts MODIS clair brut (K) (b) Carte Ts MODIS clair filtré (K)

(c) Histogramme Ts MODIS clair brut (K) (d) Histogramme Ts MODIS clair filtré (K)

Figure 4.4 – Carte des températures de surface (K) restituées par MODIS clair en prenant en comptetoutes les données (a) et en filtrant les données suivant la disponibilité de IASI (b) moyennées sur lapériode du 21 mai au 21 juillet 2013 et histogrammes en (c) et (d)

7

(a) Carte Ts IASI brut (K) (b) Carte Ts IASI clair (K)

(c) Histogramme Ts IASI brut (K) (d) Histogramme Ts IASI clair (K)

Figure 4.5 – Carte des températures de surface (K) restituées par IASI en prenant en compte toutesles données (a) et en filtrant par ciel clair selon MODIS (b) moyennées sur la période du 21 mai au 21juillet 2013 et histogrammes en (c) et (d)

La Ts de IASI clair est un peu plus chaude sur les côtes mais est majoritairement plus froide.

8

4.3 Écarts-types

a. MODIS clair filtre b. IASI c. IASI clair

Figure 4.6 – Carte d’écarts-types [K]

a. MODIS clair filtre b. IASI c. IASI clair

Figure 4.7 – Répartition des écarts-types

Figure 4.8 – Répartition des écarts-types

Les extrémas de l’écart-type de la Ts de IASI clair sont plus grands que ceux de IASI brut mais onconstate une diminution générale de l’écart-type.

9

4.4 Différence de température de surface

Figure 4.9 – Histogramme de la différence de Ts entre IASI clair et MODIS clair [K]

4.5 Écarts-types de la différence de température de surface

Figure 4.10 – Écart-type de la différence entre IASI clair et MODIS clair [K]

10

Chapitre 5

Comparaison des données AWS nontraitées du givrage avec IASI brut,MODIS clair et l’ébauche du 21 mai au 21juillet 2013

5.1 Station AWS12 : Plateau station B

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

180

190

200

210

220

230

240

250

Ts

[K]

Pla

teau S

tati

on B

x=

14

7,

y=

64

Station IASI brutMODIS clair Ebauche

Figure 5.1 – Plateau

(a)IASI (b)MODIS (c)Ebauche

Figure 5.2 – Régression linaire, plateau station B

11

Type de la diff Moyenne [K] Médiane [K] Écart type [K] Maximum [K] Minimum [K]IASI-station −4.51 −3.42 6.60 14.35 −32.80

MODIS-station −4.59 −3.69 6.95 14.20 −27.21

Ebauche-station −4.27 −3.68 6.08 11.31 −23.37

Tableau 5.1 – Statistiques des données de la comparaison

Une meilleur corrélation est obtenue avec les Ts de l’ébauche 0.7487 contre 0.7198 pour MODIS-AWS12 et 0.7312 pour IASI brut-AWS12. On constate des températures issues du modèle Arpege etles températures issues des satellites globalement plus froides que les températures in-situ. Même si lestempératures de l’ébauche sont celles qui estiment légèrement le mieux les mesures de la station BSRNsur la plateau station B, dans chacun des cas, le biais est supérieur à 3 K, ce qui est important.

5.2 Station AWS12 : Pôle d’inaccessibilité

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

180

190

200

210

220

230

240

Ts

[K]

Pole

d inace

ssib

ilite

x=

147, y=

84

Station IASI brutMODIS clair Ebauche

Figure 5.3 – Pôle d’inaccessibilité

(a)IASI (b)MODIS (c)Ebauche

Figure 5.4 – Régression linaire, pôle d’inaccessibilité

Même si les données ne sont pas traitées du givrage, les températures de IASI et même celles del’ébauche estiment assez bien les mesures in-situ de la station. De très bons facteurs de corrélationsupérieurs à 0,90 sont d’ailleurs obtenus entre IASI brut-AWS12 et entre MODIS clair-AWS13. Lestempératures de satellites et du modèle Arpege ont tendance à sous-estimer les mesures in-situ. L’effetdu givrage augmenterait peut être les températures de surface. Malgrè ce phénomène, la températurede l’ébauche suit parfaitement la Ts de la station sur certaines périodes (avant le 13 juin par exemple).

12

Type de la diff Moyenne [K] Médiane [K] Écart type [K] Maximum [K] Minimum [K]IASI-station −5.02 −4.84 3.29 0.20 −16.95

MODIS-station −3.45 −3.94 3.19 7.42 −12.74

Ebauche-station −4.12 −4.25 3.95 7.95 −17.06

Tableau 5.2 – Statistiques des données de la comparaison

L’interprétation des résultats est rendue difficile dans le mesure où les données in-situ sont entachéesd’erreur dues aux givrage. Malgrè ce phénomène, les températures de IASI, de l’abauche et de MODISestiment assez bien les mesures.

5.3 Station AWS9 : Kohnen

mai 23 2013

mai 30 2013

juin 06 2013

juin 13 2013

juin 20 2013

juin 27 2013

juil. 04 2013

juil. 11 2013

juil. 18 2013

200

210

220

230

240

250

260

Ts

[K]

Kohnen x

=1

19

, y=

39

Station IASI brutEbauche MODIS clair

Figure 5.5 – Kohnen

(a)IASI (b)MODIS (c)Ebauche

Figure 5.6 – Régression linaire, Kohnen

Type de la diff Moyenne [K] Médiane [K] Écart type [K] Maximum [K] Minimum [K]IASI-station −5.97 −3.29 8.40 17.96 −49.54

MODIS-station −6.96 −4.30 8.09 3.65 −44.70

Ebauche-station −0.52 −0.60 4.00 15.52 −12.25

Tableau 5.3 – Statistiques des données de la comparaison

13

On constate des périodes où la température du modèle Arpege estime parfaitement la températurede surface in-situ bien mieux que la température de surface de IASI et de MODIS clair (autour du 30mai, un peu avant le 27 juin). Le filtre nugageux de MODIS a encore dans ce cas rejeté une grandequantité de données. Et dans ce qui a été filtré, les données de MODIS claires suivent parfaitement lesdonnées de IASI brut.En traçant les droites de corrélation entre les données, figure 5.6, de très bons résultats sont trouvésentre les températures de l’ébauche et les mesures de la station AWS9 (coefficient de corrélation de0.93). Encore également sur cette station, on remarque une sous estimation des Ts de IASI et MODIS.De très bons résultats son trouvées pour l’ébauche.

14

Chapitre 6

Série temporelle des Ts en Antarctique en2012 à Dôme C Concordia

janv. 03 2012 janv. 06 2012 janv. 09 2012 janv. 12 2012 janv. 15 2012 janv. 18 2012 janv. 21 2012 janv. 24 2012 janv. 27 2012 janv. 30 2012Temps [Heure]

220

230

240

250

260

Ts

201

2 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

a. janvier

févr. 03 2012 févr. 10 2012 févr. 17 2012 févr. 24 2012 mars 02 2012Temps [Heure]

220

230

240

250

Ts

2012 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

b. février

mars 03 2012 mars 10 2012 mars 17 2012 mars 24 2012 mars 31 2012Temps [Heure]

200

210

220

230

240

Ts

2012

Dom

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

c. mars

avril 04 2012 avril 11 2012 avril 18 2012 avril 25 2012Temps [Heure]

200

210

220

230

Ts

201

2 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

d. avril

15

mai 03 2012 mai 10 2012 mai 17 2012 mai 24 2012Temps [Heure]

200

210

220

230

240

Ts

201

2 D

om

e C

[K

]IASI brut MODIS filtreIASI filtre AVHRRBSRN

e. mai

juin 04 2012 juin 11 2012 juin 18 2012 juin 25 2012Temps [Heure]

200

210

220

230

240

Ts

201

2 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

f. juin

juil. 03 2012 juil. 10 2012 juil. 17 2012 juil. 24 2012Temps [Heure]

190

200

210

220

230

Ts

2012 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

g. juillet

août 03 2012 août 06 2012 août 09 2012 août 12 2012 août 15 2012 août 18 2012 août 21 2012 août 24 2012 août 27 2012 août 30 2012Temps [Heure]

190

200

210

220

230

Ts

2012 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

h. août

16

sept. 04 2012 sept. 11 2012 sept. 18 2012 sept. 25 2012Temps [Heure]

200

210

220

230Ts

201

2 D

om

e C

[K

]IASI brut MODIS filtreIASI filtre AVHRRBSRN

i. septembre

oct. 04 2012 oct. 11 2012 oct. 18 2012 oct. 25 2012Temps [Heure]

200

210

220

230

Ts

201

2 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

j. octobre

nov. 04 2012 nov. 11 2012 nov. 18 2012 nov. 25 2012Temps [Heure]

210

220

230

240

Ts

2012 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

k. novembre

déc. 03 2012 déc. 06 2012 déc. 09 2012 déc. 12 2012 déc. 15 2012 déc. 18 2012 déc. 21 2012 déc. 24 2012 déc. 27 2012 déc. 30 2012Temps [Heure]

220

230

240

250

Ts

2012 D

om

e C

[K

]

IASI brut MODIS filtreIASI filtre AVHRRBSRN

l. décembre

De janvier à mi-mars 2012 et de mi-septembre à décembre 2012 , pendant l’été austral, un cyclediurne est très bien estimé par les différentes Ts. On constate des discontinuités dans le cycle certaine-ment dues à un passage de nuages. De mi-mars à mi-septembre, pendant l’hiver austral, de grandes etsoudaines variations de Ts apparaissent, phénomène lié au passage d’un nuage (commentaire personneld’Éric Brun).

17