• Langue : Anglais
• Discipline : Terre, enveloppes fluides
• Identifiant : 2024ULILR054
• Type de thèse : Doctorat
• Date de soutenance : 08/11/2024

Résumé en langue originale

Cette thèse se concentre sur l'analyse des mesures de fluorescence atmosphérique par lidar pour la caractérisation des aérosols et l'étude de leurs interactions avec la vapeur d'eau et les nuages. Le lidar LILAS (LIlle Lidar Atmospheric Study), situé sur la plateforme ATOLL (ATmospheric Observations at LiLLe) du LOA (Laboratoire d'Optique Atmosphérique) à Lille, est un lidar Mie-Raman-fluorescence membre du réseau européen EARLINET-ACTRIS (European Aerosol Research Lidar NETwork- Aerosol-Clouds and Trace gases Research InfraStructure) capable de profiler la fluorescence induite des aérosols et disposant d'un haut niveau d'automatisation. Ces caractéristiques ont permis le développement de FLARE-GMM (Fluorescence Lidar Aerosol REcognition based on Gaussian Mixture Model), un algorithme de classification automatique des aérosols basé sur un modèle d'apprentissage automatique. Cet algorithme précise le type des aérosols détectés par le lidar à l'aide de leur signature de dépolarisation, de leur fluorescence et de l'humidité atmosphérique. Après validation, une étude statistique des aérosols présents à Lille sur la période 2021-2023 a été réalisée grâce aux résultats de FLARE-GMM.La base de données de profils de fluorescence atmosphérique a ensuite été utilisée pour améliorer l'estimation des propriétés hygroscopiques des aérosols. Indépendante de la présence de vapeur d'eau, la fluorescence permet de suivre l'évolution de la concentration d'aérosols dans une couche donnée, en supposant que la nature des aérosols dans cette couche soit homogène. Cette capacité permet de compenser les variations éventuelles de concentration en aérosols dans la couche, permettant une estimation plus précise des propriétés hygroscopiques. Cette méthode, évaluée dans différentes situations, a montré les avantages apportés par la fluorescence. Les propriétés hygroscopiques des aérosols présents à Lille ont ensuite été estimées grâce à une méthode de détection automatique des cas de croissance hygroscopique, révélant des incertitudes importantes liées principalement à l'estimation de l'humidité relative. La dépendance de l'estimation des propriétés hygroscopiques à l'humidité relative a été modélisée pour mieux prendre en compte ce phénomène et comprendre comment le minimiser.Enfin, les signaux de fluorescence dans les nuages ont été étudiés. Cette partie demeure plus prospective, car de nombreuses inconnues subsistent quant à l'impact des nuages sur les signaux de fluorescence. Néanmoins, plusieurs hypothèses expliquant comment les nuages peuvent influencer les signaux de fluorescence ont été avancées et discutées. Ensuite, une méthode d'inversion de la rétrodiffusion élastique des aérosols présents dans la couche nuageuse a été proposée. Bien que cette approche comporte, en l'état, de larges incertitudes et repose sur des hypothèses fortes, elle offre une perspective originale et prometteuse pour l'étude des aérosols en conditions nuageuses par télédétection.

Résumé traduit

This thesis focuses on the analysis of atmospheric fluorescence measurements by lidar for characterizing aerosols and studying their interactions with water vapor and clouds. The LILAS (LIlle Lidar Atmospheric Study) lidar, located on the ATOLL (ATmospheric Observations at LiLLe) platform at the LOA (Laboratoire d'Optique Atmosphérique) in Lille, is a Mie-Raman-fluorescence lidar and a member of the European EARLINET-ACTRIS network (European Aerosol Research Lidar NETwork - Aerosol-Clouds and Trace gases Research InfraStructure). It is capable of profiling aerosol-induced fluorescence and has a high level of automation. These features were used for the development of FLARE-GMM (Fluorescence Lidar Aerosol REcognition based on Gaussian Mixture Model), an automatic aerosol classification algorithm based on a machine learning model. This algorithm identifies the type of aerosols detected by the lidar using their depolarization signature, fluorescence, and atmospheric humidity. Following validation, a statistical study of aerosols present in Lille from 2021 to 2023 was conducted using FLARE-GMM results.The atmospheric fluorescence profile database was then used to improve the estimation of the hygroscopic properties of aerosols. Independent of the presence of water vapor, fluorescence allows for tracking aerosol concentration changes in a given layer, assuming the aerosols nature in that layer is homogeneous. This ability allows for compensating potential variations in aerosol concentration within the layer, enabling more accurate estimation of hygroscopic properties. This method, evaluated in different scenarios, demonstrated the advantages of using fluorescence. The hygroscopic properties of aerosols in Lille were subsequently estimated through an automatic detection method for hygroscopic growth events, revealing significant uncertainties primarily related to relative humidity estimation. The dependency of hygroscopic property estimation on relative humidity was modeled to better account for this phenomenon and understand how to minimize it.Finally, fluorescence signals in clouds were studied. This part remains more exploratory, as many unknowns persist regarding the impact of clouds on fluorescence signals. Nevertheless, several hypotheses explaining how clouds might influence fluorescence signals were proposed and discussed. Additionally, a method for inverting the elastic backscatter of aerosols within the cloud layer was proposed. Although this approach currently has large uncertainties and relies on strong assumptions, it offers an original and promising perspective for studying aerosols in cloudy conditions through remote sensing.