• Langue : Français
• Discipline : Optique et Lasers, Physico-Chimie, Atmosphère
• Identifiant : 2019LILUR041
• Type de thèse : Doctorat
• Date de soutenance : 06/05/2019

Résumé en langue originale

La rétroaction des nuages demeure l’une des incertitudes majeures des modèles de prévision climatique, en particulier les interactions entre aérosols, nuages et rayonnement (IPCC - Boucher et al., 2013). Les nuages sont en effet difficiles à prendre en compte car ils présentent des variabilités spatiales et temporelles importantes. Les mesures de télédétection aéroportées avec une résolution de quelques dizaines de mètres sont très appropriées pour améliorer et affiner nos connaissances sur les propriétés des nuages et leurs variabilités à haute résolution spatiale. Dans ce contexte, nous exploitons les mesures multi-angulaires du nouveau radiomètre aéroporté OSIRIS (Observing System Including PolaRization in the Solar Infrared Spectrum), développé par le Laboratoire d'Optique Atmosphérique. Il est basé sur le concept POLDER et est un prototype du futur instrument spatial 3MI sur les plates-formes MetOp-SG de l’EUMETSAT-ESA à partir de 2022. En télédétection, les nuages sont généralement caractérisés par deux propriétés optiques: l'épaisseur optique des nuages (COT) et le rayon effectif des particules d'eau / de glace formant le nuage (Reff). Actuellement, la plupart des algorithmes de télédétection opérationnels utilisés pour extraire ces propriétés de nuage à partir de mesures passives sont basés sur la construction de tables pré-calculées (LUT) sous l'hypothèse d'une couche de nuage plan-parallèle. Cette méthode est très dépendante des conditions de simulations choisies pour la construction des LUT et rend difficile l'estimation des incertitudes qui en découlent. Au cours de cette thèse, nous utilisons le formalisme de la méthode d’estimation optimale (Rodgers, 2000) pour mettre au point une méthode d’inversion flexible permettant de restituer COT et Reff en utilisant les mesures multi-angulaires visibles et proche-infrarouges d’OSIRIS. Nous montrons que cela permet l'exploitation de l'ensemble des informations disponibles pour chaque pixel afin de s'affranchir des effets angulaires des radiances et d’inverser des propriétés plus cohérente avec l'ensemble des mesures. Nous avons, d’autre part, appliqué le cadre mathématique fourni par la méthode d’estimation optimale pour quantifier les incertitudes sur les paramètres restitués. Trois types d’erreurs ont été évaluées: (1) Les erreurs liées aux incertitudes de mesure, qui atteignent 10% pour les valeurs élevées de COT et de Reff. (2) Les erreurs de modèle liées à une estimation incorrecte des paramètres fixes du modèle (vent de surface de l'océan, altitude des nuages et variance effective de la distribution en taille des gouttelettes d'eau) qui restent inférieures à 0,5% quelles que soient les valeurs de COT et Reff restituées. (3) Les erreurs liées au modèle physique simplifié qui ne prend pas en compte les profils verticaux hétérogènes et utilise l'hypothèse du nuage plan-parallèle homogène et l'approximation du pixel indépendant. Ces deux dernières incertitudes s'avèrent être les plus importantes.

Résumé traduit

Cloud feedbacks remain one of the major uncertainties of climate prediction models, particularly the interactions between aerosols, clouds and radiation (IPCC - Boucher et al., 2013). Clouds are indeed difficult to account for because they have significant spatial and temporal variability depending on a lot of meteorological variables and aerosol concentration. Airborne remote sensing measurements with tens of meters resolution are very suitable for improving and refining our knowledge of cloud properties and their high spatial variability. In this context, we exploit the multi-angular measurements of the new airborne radiometer OSIRIS (Observing System Including PolaRization in the Solar Infrared Spectrum), developed by the Laboratoire d'Optique Atmosphérique. It is based on the POLDER concept as a prototype of the future 3MI space instrument planned to be launched on the EUMETSAT-ESA MetOp-SG platform in 2022.In remote sensing applications, clouds are generally characterized by two optical properties: the Cloud Optical Thickness (COT) and the effective radius of the water/ice particles forming the cloud (Reff). Currently, most operational remote sensing algorithms used to extract these cloud properties from passive measurements are based on the construction of pre-computed lookup tables (LUT) under the assumption of a homogeneous plane-parallel cloud layer. The LUT method is very dependent on the simulation conditions chosen for their constructions and it is difficult to estimate the resulting uncertainties. In this thesis, we use the formalism of the optimal estimation method (Rodgers, 2000) to develop a flexible inversion method to retrieve COT and Reff using the visible and near-infrared multi-angular measurements of OSIRIS. We show that this method allows the exploitation of all available information for each pixel to overcome the angular effects of radiances and retrieve cloud properties more consistently using all measurements. We also applied the mathematical framework provided by the optimal estimation method to quantify the uncertainties on the retrieved parameters. Three types of errors were evaluated: (1) Errors related to measurement uncertainties, which reach 10% for high values of COT and Reff. (2) Model errors related to an incorrect estimation of the fixed parameters of the model (ocean surface wind, cloud altitude and effective variance of water droplet size distribution) that remain below 0.5% regardless of the values of retrieved COT and Reff. (3) Errors related to the simplified physical model that uses the classical homogeneous plan-parallel cloud assumption and the independent pixel approximation and hence does not take into account the heterogeneous vertical profiles and the 3D radiative transfer effects. These last two uncertainties turn out to be the most important.