Restitution synergique radar-lidar multiplateforme pour nuages liquides et de phase mixte

Les nuages jouent un rôle important dans le cycle de l’eau et le bilan radiatif de la Terre, et tendent à légèrement refroidir le climat. Cependant, de nombreuses incertitudes demeurent concernant leurs rétroactions et leur évolution dans le contexte du réchauffement climatique. Les nuages de phase mixte représentent notamment une part significative de l’effet radiatif des nuages. Ils sont constitués d’un mélange de cristaux de glace, de gouttelettes d’eau surfondues et de vapeur d’eau. Cette coexistence implique des processus complexes et la fraction de liquide et de glace affecte de manière significative leurs propriétés radiatives. Cette complexité les rend difficiles à représenter dans les modèles numériques, introduisant des biais significatifs. Il est donc crucial de mieux comprendre les processus microphysiques de ces nuages pour réduire les incertitudes des prévisions climatiques et météorologiques.

Pour observer les nuages, il existe plusieurs types d’instruments, tels que les sondes in situ (directement au contact des hydrométéores) et les instruments de télédétection (observations distantes). Les radars et les lidars nous permettent d’obtenir des informations résolues en distance et peuvent être embarqués à bord d’avions ou de satellites, offrant ainsi couvertures régionale et globale. Les radars nuages travaillent à des fréquences (35 et 95 GHz) auxquelles la réflectivité est sensible à la taille des particules, impliquant une réflectivité plus élevée pour les grosses particules nuageuses (les cristaux de glace) que pour les petites particules (les gouttelettes d’eau).

Les lidars, quant à eux, fonctionnent habituellement entre 355 et 1064 nm et sont globalement plus sensibles à la concentration des particules. Ainsi, la rétrodiffusion lidar est plus élevée pour les particules très concentrées, telles que les gouttelettes d’eau. Leur synergie permet de tirer avantage des forces et des faiblesses de chacun pour restituer les propriétés des nuages. Cependant, ces propriétés ne sont pas directement accessibles à partir des mesures et des algorithmes de restitution sont donc utilisés pour relier les mesures aux propriétés microphysiques.

Cette thèse propose une nouvelle méthode synergique radar-lidar dédiée à la restitution des propriétés des nuages d’eau surfondus, de glace et de phase mixte. Sur la base d’une méthode existante mais dédiée uniquement aux nuages de glace, une nouvelle approche permettant d’inclure à la fois l’eau surfondue et les situations de phase mixte a été développée.

La première étape a été d’adapter et d’améliorer la classification servant à identifier la nature des particules observées. Ensuite, de nombreuses adaptations ont été apportées à l’algorithme afin de restituer séparément les propriétés des cristaux de glace et de l’eau surfondue. Cette approche est basée sur les sensibilités différentes du radar et du lidar vis-à-vis des deux types d’hydrométéores : les cristaux de glace dominent le signal radar tandis que l’eau surfondue domine le signal lidar. Afin d’évaluer cette nouvelle méthode, les restitutions sont comparées à des mesures in situ, provenant d’observations colocalisées et de la littérature. La première étude compare les restitutions obtenues à partir des données satellites CloudSat-CALIPSO avec des mesures in situ aéroportées colocalisées.

Cette étude montre que les restitutions radar-lidar suivent les mêmes tendances que les mesures in situ et fournissent des résultats prometteurs avec un pourcentage d’erreur moyen de 49 % pour le contenu en eau liquide et 75 % pour le contenu en glace et ce malgré des échelles de mesures différentes et une colocalisation imparfaite. La méthode développée est également appliquée aux plateformes aéroportées française et allemande RALI et HALO.

Les premiers résultats sont prometteurs et les données in situ colocalisées obtenues lors de campagnes récentes pourront être utilisées pour évaluer davantage l’algorithme et améliorer son paramétrage.

Multiplatform radar-lidar synergistic retrieval for liquid and mixed-phase clouds

Clouds play an important role in the Earth’s water cycle and radiation balance, and tend to cool the climate slightly. However, there are still many uncertainties about their feedbacks and their evolution in the context of global warming. In particular, mixed-phase clouds account for a significant proportion of the cloud radiative effect. They are composed of a mixture of ice crystals, supercooled water droplets and water vapor. This coexistence involves complex processes and the fraction of liquid and ice significantly affects their radiative properties. This complexity makes them difficult to represent in numerical models, which introduces significant biases. For this reason, it is crucial to better understand the microphysical processes of these clouds to reduce the uncertainties in climate and weather forecasts.

To observe clouds, several instrument types exist, such as in situ probes (in direct contact with the hydrometeors) and remote sensing instruments (remote observations). Radar and lidar allow us to obtain distance-resolved information. They can be deployed onboard aircraft or satellites, providing regional and global coverage. Cloud radars work at frequencies (35 and 95 GHz) at which the reflectivity is sensitive to particle size, implying higher reflectivity for large cloud particles (ice crystals) than for small particles (water droplets). Lidars, on the other hand, usually operate between 355 and 1064 nm and are generally more sensitive to particle concentration. As a result, lidar backscatter is higher for highly concentrated particles, such as water droplets. Their synergy allows us to take advantage of the strengths and weaknesses of each instrument to retrieve cloud properties. However, these properties are not directly accessible from measurements and retrieval algorithms are therefore used to relate measurements to microphysical properties.

This thesis proposes a new radar-lidar synergistic method dedicated to retrieve supercooled water, ice and mixed-phase cloud properties. Based on an existing method dedicated solely to ice clouds, a new approach has been developed to include both supercooled water and mixed-phase situations. The first step was to adapt and improve the classification used to identify the nature of the observed particles. Next, numerous adaptations have been applied to the algorithm to retrieve separately ice crystals and supercooled water properties. This approach is based on the different sensitivities of radar and lidar to the two types of hydrometeors: ice crystals dominate the radar signal while supercooled water dominates the lidar signal.

To assess this new method, the retrievals are compared to in situ measurements from co-located observations and the literature. The first study compares retrievals from CloudSat-CALIPSO satellite data with collocated in situ airborne measurements. This comparison shows that the radar-lidar retrievals follow the same trend as the in situ measurements and provide promising results with mean percent error of 49 % for liquid water content and 75 % for ice water content, despite the quite different measurement scales and imperfect collocation. Additionally, this has been applied to the French and German airborne platforms RALI and HALO. These first results are promising and the collocated in situ data collected during recent campaigns can be used to further assess the algorithm and improve its parameterization.

Lieu
OVSQ
Amphithéâtre Gérard Mégie
11, boulevard d’Alembert, 78280 Guyancourt

Visio
https://uvsq-fr.zoom.us/j/94212497600?pwd=bEVKM0FXWGFVbTRZeUdiNmhWNkVKQT09
ID de réunion: 942 1249 7600
Code secret: 673234

• Frédéric SZCZAP : rapporteur
• Johannes QUAAS : rapporteur
• Martina KRÄMER : examinateur
• Philippe KECKHUT : examinateur
• Olivier JOURDAN : examinateur
• Julien DELANOË : directeur de thèse
• Silke GROß : co-directrice de thèse
• Florian EWALD : co-encadrant de thèse