Rapport de stage

Utilisation de l’ozone mesuré par satellitepour valider les modèles de climat

AuteurChristophe BELLISARIO

Université Claude Bernard, Lyon 1

Responsable de stageThierry PHULPINCNES (DCT/SI/IM)

Correspondant UCBLJérôme MORVILLE

LASIM

4 Avril 2011 - 30 Septembre 2011

1

Table des matières

Introduction 5

1 Contexte 61.1 Le CNES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.2 Le projet IASI-MetOp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.2.1 Le satellite MetOp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.2.2 IASI, Interféromètre Atmosphérique de Sondage Infrarouge . . . . . . 8

1.3 Changement climatique et ozone . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Normalisation des modèles de climat 102.1 Les différents modèles de climat . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1.2 Outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1.3 Liste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.2 Sorties et normalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.2.1 But . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.2.2 Résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Mesures de l’ozone 213.1 Rappels atmosphériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.1.1 Les couches de l’atmosphère . . . . . . . . . . . . . . . . . . . . . . . 213.1.2 L’ozone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.2 Mesures IASI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.2.1 Rappels théoriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.2.2 Création des fiches IASI . . . . . . . . . . . . . . . . . . . . . . . . . 253.2.3 Les données et leurs récupérations . . . . . . . . . . . . . . . . . . . . 26

4 Confrontation des produits IASI d’EUMETSAT aux autres données 304.1 Mise en oeuvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.2 Échantillonnage des données EUMETSAT . . . . . . . . . . . . . . . . . . . . 30

4.2.1 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.2.2 Échantillonnage spatial . . . . . . . . . . . . . . . . . . . . . . . . . . 314.2.3 Échantillonnage temporel . . . . . . . . . . . . . . . . . . . . . . . . 314.2.4 Statistiques et résultats . . . . . . . . . . . . . . . . . . . . . . . . . . 32

4.3 Confrontation aux données LATMOS-ULB . . . . . . . . . . . . . . . . . . . 364.3.1 Lissage des données. . . . . . . . . . . . . . . . . . . . . . . . . . . . 364.3.2 Problème de pression... . . . . . . . . . . . . . . . . . . . . . . . . . . 364.3.3 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384.3.4 Influence du jour et de la nuit . . . . . . . . . . . . . . . . . . . . . . 454.3.5 Moyenne sur plusieurs jours . . . . . . . . . . . . . . . . . . . . . . . 50

4.4 Nouvelle confrontation aux données LATMOS-ULB . . . . . . . . . . . . . . 51

2

4.4.1 Récupération de la pression EUMETSAT . . . . . . . . . . . . . . . . 514.4.2 Comparaison aux valeurs précédentes . . . . . . . . . . . . . . . . . . 524.4.3 Confrontation aux données EUMETSAT . . . . . . . . . . . . . . . . 564.4.4 Estimation de l’erreur d’EUMETSAT . . . . . . . . . . . . . . . . . . 59

4.5 Confrontation aux données MIPAS . . . . . . . . . . . . . . . . . . . . . . . . 624.5.1 Cas général : absence des colonnes partielles . . . . . . . . . . . . . . 624.5.2 Moyenne sur août et septembre 2008 . . . . . . . . . . . . . . . . . . 63

4.6 Sortie de Niveau 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5 Confrontation aux sorties de modèles : CNRM 685.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685.3 Cas du trou de la couche d’ozone . . . . . . . . . . . . . . . . . . . . . . . . . 725.4 Moyenne sur plusieurs jours . . . . . . . . . . . . . . . . . . . . . . . . . . . 745.5 Et sur plusieurs mois... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 765.6 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 815.7 Autre sortie de modèle : LMDZ-REPRO . . . . . . . . . . . . . . . . . . . . . 82

6 Regard critique sur les données EUMETSAT 846.1 Surestimation globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

6.1.1 Au niveau des hautes latitudes . . . . . . . . . . . . . . . . . . . . . . 856.1.2 Comparaison aux données OMI de la NASA. . . . . . . . . . . . . . . 876.1.3 IFOVs dans le désordre . . . . . . . . . . . . . . . . . . . . . . . . . . 886.1.4 De nombreux paramètres pour caractériser le trou . . . . . . . . . . . . 88

6.2 InfraRouge contre Ultra-Violet . . . . . . . . . . . . . . . . . . . . . . . . . . 916.2.1 Infrarouge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 916.2.2 Ultra-violet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 916.2.3 Intercomparaison et correction ? . . . . . . . . . . . . . . . . . . . . . 91

6.3 Possibles origines des écarts . . . . . . . . . . . . . . . . . . . . . . . . . . . 936.3.1 Les réseaux de neurones . . . . . . . . . . . . . . . . . . . . . . . . . 936.3.2 La température de surface . . . . . . . . . . . . . . . . . . . . . . . . 936.3.3 Flag nuageux sur les pôles . . . . . . . . . . . . . . . . . . . . . . . . 94

Conclusion 97Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

A Liste des sigles et acronymes 99

B Niveaux des produits IASI 102

C Fiche IASI du produit Ozone 103C.1 Intent of This Document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103C.2 Data Field . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103C.3 Data Origin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104C.4 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105C.5 Considerations for Model-Observation Comparisons . . . . . . . . . . . . . . 106C.6 Instrument Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106C.7 Revisions History . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

3

D Quelques lignes de code 108D.1 Code IDL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

D.1.1 Récupération des données . . . . . . . . . . . . . . . . . . . . . . . . 108D.1.2 Récupération LATMOS-ULB à partir des pressions EUMETSAT . . . 112

D.2 Création du logiciel de comparaison . . . . . . . . . . . . . . . . . . . . . . . 114D.2.1 Création de la grille . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114D.2.2 Création sous format netCDF . . . . . . . . . . . . . . . . . . . . . . 115D.2.3 Comparaison des profils/histogrammes . . . . . . . . . . . . . . . . . 116D.2.4 Création des cartes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117D.2.5 Noyau de la fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

E Volumes et temps de calculs. 122E.1 Volumes de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122E.2 Temps de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

E.2.1 Récupération LATMOS-ULB . . . . . . . . . . . . . . . . . . . . . . 123E.2.2 Récupération EUMETSAT . . . . . . . . . . . . . . . . . . . . . . . . 123E.2.3 Récupération MIPAS et CNRM . . . . . . . . . . . . . . . . . . . . . 123

4

Introduction

Tempêtes, inondations, tsunamis, ... sont malheureusement devenus le quotidien de l’infor-mation aujourd’hui. Les prévoir, c’est avoir un coup d’avance sur l’échiquier. C’est là qu’inter-viennent les satellites météorologiques, répertoriant au plus précis les données atmosphériquesafin d’élaborer des modèles physiques qui permettent à court terme d’estimer le temps sur latoute la surface du globe. De même, à long terme, il s’agit de voir l’effet d’une pollution an-thropique excessive qui causera, selon une grande partie de la communauté scientifique, unréchauffement global de l’ordre de quelques degrés d’ici à 2100.

Le sondeur infrarouge IASI, développé par le CNES et EUMETSAT est l’un des instru-ments du satellite météorologique européen MetOp lancé en 2006. Ce satellite est le premierdes 3 éléments qui continueront jusqu’en 2020 à suppléer la surveillance de l’évolution du cli-mat et de l’environnement. Il est la contribution européenne aux programmes de météorologieopérationnelle basée sur des satellites polaires à orbite basse. Les performances de l’instrumentont été jugées excellentes et conformes aux spécifications, tant du point de vue spectral que dupoint de vue radiométrique et géométrique.

Dans le but d’établir une connexion forte entre la communauté des observations spatialeset la communauté des modèles climatiques, l’Agence Spatiale Européenne (ESA) a sélectionnéles variables essentielles au climat (ECV) afin d’en unifier les caractéristiques pour permettreun partage des observations qui soit compatible avec les requêtes des groupes de modélisationclimatique. C’est dans ce cadre que mon stage s’est organisé : il m’a été demandé d’effectuerune confrontation entre les données satellitaires IASI de l’ozone et les sorties de modèle duCentre National de Recherches Météorologiques (CNRM).

Ainsi, mon rapport se divise en plusieurs parties. J’explicite tout d’abord les informationsessentielles sur le CNES, le satellite MetOp et l’instrument IASI. Après quelques générali-tés physiques sur l’ozone, j’entame une liste des différents modèles climatiques utilisés dans lecadre du SPARC, mettant en avant leurs principales caractéristiques de même que l’évolution del’ozone constatée. Ensuite, j’effectue la comparaison des données IASI suivant leurs méthodesd’extraction (EUMETSAT et LATMOS-ULB), mais aussi une comparaison avec un autre satel-lite (MIPAS). Enfin j’effectue la confrontation au modèle climatique du CNRM pour concluresur les écarts existants entre les différents jeux de données.

5

Chapitre 1

Contexte

1.1 Le CNESLe Centre National d’Etudes Spatiales (CNES), créé en 1961 est un établissement public à

caractère industriel et commercial (EPIC). Il fait suite au Comité de recherches spatiales misen place par le président De Gaulle en 1959 afin de faire face au manque de coordination desétudes spatiales de la France. Dorénavant, participant également aux programmes conduits parl’Agence Spatiale Européenne (ESA), le CNES est un acteur incontournable sur la table euro-péenne des activités et programmes spatiaux.

Le CNES vise plusieurs objectifs. Le premier est de promouvoir de nouvelles applicationsspatiales civiles, militaires ou scientifiques via la recherche et l’innovation, garantissant un ac-cès autonome de la France à l’espace, mais aussi d’accroître les connaissances de notre planète,protégeant ses ressources et prévenant les risques naturels dans un objectif de développementdurable, à l’aide d’application au grand public entre autres.

Pour cela, il est décomposé en 4 centres, regroupant plus de 2418 agents (en 2007 [1]dont 37% de femmes, 76% d’ingénieurs et de cadres). Le siège social (Paris) met en œuvrela politique spatiale de la France au sein de l’Europe, définissant les grandes stratégies et lesprogrammes prioritaires. La Direction des lanceurs (Evry, Essonne) se charge du développe-ment des lanceurs Ariane, accompagnant la phase de production industrielle pour le compted’Arianespace. Le centre spatial guyanais (Kourou) est le "port spatial" de l’Europe, là d’oùsont envoyés les lanceurs Ariane ainsi que ceux de l’ESA. Enfin, le Centre Spatial de Toulouse(CST), qui s’étend sur 56.5 ha, dispose d’un large éventail de compétences, créant les systèmesspatiaux depuis la conception des satellites et instruments, jusqu’à leur exploitation en orbite.

1.2 Le projet IASI-MetOp

1.2.1 Le satellite MetOpDéveloppé dans le cadre du projet EPS (Eumetsat Polar System) d’Eumetsat (EUropean or-

ganisation for the exploitation of METeorological SATellites), installant une collaboration entrel’Europe et les Etats-Unis pour une période allant de 2005 à 2020, le satellite MetOp a été misen orbite en 2006 sur un lanceur de type SOYOUZ depuis Baïkonour au Kazakhstan dans lebut d’améliorer les prévisions météorologiques, ainsi que la climatologie et la chimie de l’at-mosphère ([2]). Il est le premier d’une série de trois MetOp, le prochain étant programmé pouravril 2012. Ainsi, de nombreux instruments ont été placés à bord : HIRS, sondant optiquementla température et l’humidité atmosphérique ; AVHRR pour l’imagerie optique des nuages, du

6

sol et des océans ; AMSU-A pour un sondage micro-ondes de la témpérature par tout temps ; lediffusiomètre ASCAT ; GOME-2 mesurant le contenu intégré en ozone ; le sondeur GRAS ana-lysant les signaux radio émis par un satellite de navigation planétaire, le sondeur MHS, sondagemicro-ondes de l’humidité atmosphérique par tout temps et enfin IASI, dont nous parlons plusen détails dans la section suivante (voir figure 1.1).

FIGURE 1.1 – Satellite MetOp et ses divers instruments l’accompagnant.

Caractéristiques du satellite

Les données du satellite MetOp sont regroupées dans le tableau 1.1 page 7. Le satellitesuivant une orbite héliosynchrone, il est donc capable d’observer la Terre avec une incidencelumineuse solaire constante, car l’altitude et l’inclinaison sont choisies de façon à ce que l’angleentre le plan d’orbite et la direction du soleil reste identique dans le temps.

TABLE 1.1 – Caractéristiques du satellite MetOpAltitude ∼ 817 km

Orbite héliosynchroneInclinaison 98.7˚par rapport à l’équateur

Période de révolution 101 minHeure locale 9h30 en orbite descendante

Répétition du cycle 29 jours (412 orbites)Courverture globale de la surface 2 fois par jour

7

1.2.2 IASI, Interféromètre Atmosphérique de Sondage InfrarougeElément clef du satellite MetOp, IASI (Infrared Atmosphere Sounding Interferometer) est

un instrument issu d’une coopération entre le CNES et Eumetsat ([2]). Il a été conçu au seindu CNES et vise à mesurer deux fois par jour le spectre du rayonnement infrarouge émis par laterre, à partir de l’orbite héliosynchrone de faible altitude du satellite MetOp.

Ainsi, l’instrument IASI utilise un procédé d’interférométrie optique permettant la décom-position spectrale fine du rayonnement infrarouge de l’atmosphère, puis ensuite traite numéri-quement les données obtenues à l’aide d’un sous-système embarqué réalisant une transforméede Fourier inverse et un étalonnage radiométrique. Cela retranscrit alors les spectres de vibra-tion et de rotation des molécules atmosphériques (voir section 3.2.1). Pour se faire, l’instrumentest composé d’un miroir de balayage pour une acquisition de 2000 km de large perpendicu-lairement à la trace du satellite, d’un télescope afocal, d’un interféromètre de Michelson (dedifférence de marche optique de 2 cm), et d’un miroir de repliement.

Afin de couvrir environ 99% de la surface de la Terre deux fois par jour, le miroir de balayagepermet d’atteindre à 48,3 ˚ de part et d’autre de la trace du satellite, l’observation se fait detype "pas à pas" avec un système de stabilisation du champ visuel. 30 sondages sont réalisésà intervalle régulier le long de chaque ligne de balayage correspondant à 2x15 positions demiroir. Chaque champ visuel instantané (3,3˚× 3,3˚ou 50 km × 50 km au nadir) est composéde 2 × 2 pixels circulaires, correspondant à une empreinte de 12 km de diamètre au nadir (voirfigure C.1).

FIGURE 1.2 – à gauche, les pincipaux éléments composant l’interféromètre IASI. A droite, lemode d’osbervation de IASI : l’instrument mesure le spectre infrarouges émis par la Terre etl’atmosphère sur une largeur d’environ 2200 km, tous les 50 km au nadir avec 4 empreintes de12 km de diamètre (crédits images : ESA, CNES)

L’instrument IASI englobe une large gamme spectrale (8461 canaux spectraux), allant dela limite de l’infrarouge thermique à 3,62 µm (2760 cm-1) jusqu’à 15,5 µm (645cm-1) couvrantainsi le pic de l’infrarouge termique et la bande du CO2 ([3]). Cette région spectrale permet plu-sieurs applications via IASI comme le profil de température (à l’aide des bandes d’absorptionsdu CO2), les propriétés nuageuses, le profil d’humidité (à l’aide de l’H2O). Pour optimiser lesperformances de l’instruments, le domaine spectral a été subdivisé en trois bandes ([645 ; 1210]cm-1, [1210 ; 2000] cm-1 et [2000 ; 2760] cm-1) avec une résolution spectrale avant échantillon-nage variant entre et 0,25 et 0,5 cm-1.

8

1.3 Changement climatique et ozoneAfin de comprendre au mieux l’utilisation des données du satellite IASI, il faut avoir un

regard critique sur ce que l’on appelle "changement climatique".

La plupart du temps, un abus de language fera entendre le terme de "réchauffement cli-matique". Mais malgré le fait qu’il a été certifié scientifiquement (entre autres par le Grouped’experts Intergouvernemental sur l’évolution du climat GIEC [4]) que la température globalede la Terre croît d’année en année, c’est bien de changements climatiques dont il est question.D’une part, les activités anthropologiques du 20ème siècle sont à l’origine d’une multiplicationpar six de la teneur en chlorure stratosphérique (Cl-, [5]) et d’un doublement du bromure (Br-),ce qui a réduit de façon considérable la couche d’ozone sur la globalité du monde, créant letrou dans la couche d’ozone au dessus de l’Antarctique. Une fois les effets démasqués, le Proto-cole de Montréal a engendré d’importants changements sur certaines émissions atmosphériques.Grâce à ces interventions, le niveau des halogènes stratosphériques a vu son sommet autour desannées 2000 et devrait redescendre progressivement durant le 21ème siècle.

D’autre part, les activités humaines ont créé une hausse significative des gaz à effet de serre(GES) provoquant de façon certaine ([6]) le changement climatique alors identifié. Au niveaude la stratosphère, ce dernier est lié de façon intrinsèque à la quantité d’ozone, via de nombreuxprocessus impliquant la température, les transports de composés chimiques, le rayonnementUltra-Violet (UV), les radicaux d’hydrogène et d’azote ([7]).

De même que les concentrations en GES ont contribué aux modifications de température,de convection des masses d’air, ledit changement climatique affecte lui aussi la possibilitéqu’a l’ozone de retourner à un niveau "normal" dans la stratosphère, estimé par les spécialistescomme étant le niveau pré-années 1980 (voire 1960). Cette restitution (retour à un niveau nor-mal) de l’O3 dépend fortement des substances détruisant l’ozone (ODS pour Ozone depletingsubstances). Ces substances comme le Brome ou le Chlore sont censées (d’après le Protocole deMontreal) décroître de façon importante ([5]). Mais, malgré cela, les simulations GEOS-CCMindiquent que selon les régions du monde, selon les périodes, la restitution de l’O3 sera diffé-rent. Par exemple, il faudra certainement attendre plusieurs décennies avant que certaines zonesretrouvent la quantité d’ozone d’avant 1980 alors que d’autres zones comme les tropiques et leslatitudes moyennes au sud au niveau de la stratosphère basse risquent de ne jamais retrouver leniveau d’antan ([7] & [5]).

9

Chapitre 2

Normalisation des modèles de climat

2.1 Les différents modèles de climat

2.1.1 GénéralitésEn 2003, le projet phare "Stratospheric Processes And their Role in Climate" (SPARC) du

World Climate Research Programme (WCRP) a initié le Chermistry-Climate Model Validation(CCMVal) afin d’améliorer les connaissances sur les Modèles de Chimie et Climat (Chemistry-Climate Model, CCM) et leurs modèles sous-jacents de circulation générale. Ainsi, de nom-breuses simulations ont été réalisées pour en ressortir des évaluations, des discussions et desanalyses de données ([8]).

Tous les modèles de climat suivants sont utilisés pour le Chemistry-Climate Model Vali-dation 2 (CCMVal-2) ([9]) et certains ont aussi été utilisés pour le CCMVal-1 avant de subirdes développements. Il y en a 16 en tout, provenant de diverses organisations avec pour but demodéliser au mieux les réactions atmosphériques afin de projeter à l’avenir le climat global.

Pour chacune des méthodes, il existe différentes évolutions de l’ozone constatées, plus oumoins précises et concordantes les unes avec les autres, mais qui donnent une idée assez globalede l’évolution de l’ozone à long terme, résumée dans la dernière section, moyennant les sortiesobtenues ([9]).

2.1.2 OutilsLes modèles climatiques sont tous basés sur une même structure (voir figure 2.1) divisée

en trois parties : la chimie, la dynamique et les radiations. Ces trois parties résument à ellesseules l’atmosphère via un noyau dynamique, de la physique diabatique, un schéma de transport,des modules de chimie et microphysiques associés aux changements de composition chimique.Ainsi de nombreux modèles de climat cités par la suite se basent sur cette description. Il fautalors expliciter un peu plus en détail les divers composants.

10

DynamiqueTempérature et

vent

Chimie

RadiationsPhotolyses, chaleur

Cycle solaire

Aérosols volcaniques et non volcaniques

Concentrations en radicaux

Températures des océans

Emissions naturelles et anthropogéniques de

gaz

FIGURE 2.1 – Structure basique des CCMs incluant la globalité de la science atmosphérique.

Dynamique

La partie dynamique des modèles se divisent en plusieurs parties. Le noyau dynamique vadécrire l’évolution temporelle du vent, de la température et de la pression (ou des variableséquivalentes), sous l’action de la rotation, de la gravité et d’autres forçages diabatiques. C’estalors une résolution des équations dites primitives qui s’opère à ce niveau pour rendre au finalune circulation générale de l’atmosphère terrestre. C’est aussi à ce niveau que la résolution entreen jeu avec le maillage de la surface qui comprendra plus ou moins de niveau selon que l’étudese veut plus ou moins précise.

Ensuite, la dynamique inclut la diffusion horizontale qui, malgré le manque d’une théoriegénérale sur la turbulence, réussit à recréer de manière discrète les mouvements par strate enévitant toute instabilité dynamique pouvant avoir un impact important sur l’échelle mondiale decirculation.

L’Oscillation Quasi-Bienniale (QBO), oscillation quasi-périodique (en moyenne 28 mois)des vents de la zone équatoriale entre l’est et l’ouest, retrace quant à elle les variations de lastratosphère tropicale donnant naissance à de nombreuses modifications de la circulation et dela chimie dans les autres régions de l’atmosphère. Il est très difficile de modéliser la QBO du faitdes imperfections des représentations des convections tropicales et des ondes gravitationnelles.C’est pourquoi elle peut être absente de certains CCMs.

Enfin, les ondes gravitationnelles représentent les principales sources de changements dansle milieu de l’atmosphère. Elles sont excités par les processus troposphériques et nécessitentd’être paramétriser en deux parties : l’une orographique (ondes de reliefs ou montagnes) etl’autre non-orographique. Certains modèles lient les ondes graviationnelles à la convectiontroposphériques. Les oscillations créées par ces ondes induisent alors des modifications qu’ilconvient d’inclure dans les calculs.

Radiation

Les processus radiatifs ajoutent de la difficulté dans le développement des CCMs, spécia-lement pour les rayonnements UV solaires qui ont un rôle important dans la dynamique etla chimie. Les radiations sont traditionnellement séparées en réchauffement à courte longueur

11

d’onde et photolyse. Le premier inclut le spectre solaire allant du proche IR à l’UV, considé-rant la diffusion des molécules d’air, des nuages et des aérosols. Côté photolyse, les schémasutilisent le spectre UV et la diffusion, mais de manière encore trop peu précise. Pour calculerles taux de photolyse, les réactions sont inclues dans le modèle en fonction de la pression, del’angle zénithal solaire (SZA, voir figure 3.2), de la colonne d’ozone et souvent de la tempéra-ture. Cependant, l’albédo, les nuages et les aérosols sont souvent considérés comme constants.De même, une actualisation des données devrait être faite au rythme du cycle solaire pour unemeilleure précision.

Chimie et ses composants

Pour comprendre la chimie atmosphérique, il faut tout d’abord la séparer en ses diffé-rentes couches : troposphère, stratosphère et mésosphère (celles-ci sont explicitées dans la sec-tion 3.1.1).

Pour ce qui est de la chimie stratosphérique, tous les modèles utilisés pour le CCMVal-2 se servent de la chimie inorganique (dont celle du chlorure Cl- ainsi que le bromure Br-).Cependant, suivant les modèles, les sources de ces composants varient grandement. Plus géné-ralement, les bases sont identiques et mettent en équation divers acteurs comme : les sulfates,H2O, HNO3 (surestimé dans la plupart des modèles par rapport aux observations), HCl, etc.

Ensuite, au niveau de la troposphère, celle-ci s’avère être simplifié voire absente des CCMs.Ceci est du au fait du succès des modèles de transports et chimies stratosphériques sans consi-dérer la chimie troposphérique. Il faut cependant être prudent dans ce jugement et pallier à cemanque de plusieurs méthodes : l’introduction d’un fond de chimie troposphérique dont l’oxy-dation du méthane, le relâchement de l’ozone troposphérique et/ou d’autres composants.

Dans la mésosphère, il est question de prendre en compte la chimie ionique, les précipi-tations de particules solaires associées à la production de NOx (oxydes d’azote de type NOet NO2 pouvant jouer sur l’abondance des NOy - ensemble des oxydes d’azotes - au niveaudu vortex polaire stratosphérique) et d’autres effets comme les rayons cosmiques. Cependant,seul un modèle (WACCM) dispose d’une représentation explicite des processus de cette hautecouche de l’atmosphère.

Toujours dans le domaine de la chimie atmosphérique, il est aussi question de modéliser lescinétiques des réactions. Celles-ci seront différentes suivant les familles de composants (commele chlorure et bromure) et les temps de vie changeront en conséquence. Il est important de lesconnaître et de les valider afin de juger si oui ou non l’hypothèse d’équilibre chimique pourraêtre prise en compte dans les réactions. C’est la méthodologie suivie par la plupart des CCMs.Cependant, les autres CCMs jugent que n’émettre aucune hypothèse sur les temps de vie per-mettra alors d’étendre la chimie à des couches supérieures à 60 km où l’hypothèse d’équilibrechimique ne peut être validée. Des corrections sont ensuite apportées dans les équations.

Il peut être aussi question des réactions hétérogènes, se produisant à la surface des moléculesliquides ou solides. Elles peuvent adsorber ou contenir en substrat des molécules réagissant avecd’autres espèces gazeuses. Des contributions importantes sont alors constatées pour les aérosolsde sulfates et les nuages polaires stratosphériques (appelés aussi les nuages nacrés ou PSCs pourPolar Stratospheric Clouds). Les réactions majoritaires conduisent à l’activation de chlorure, àla formation de H2O, HNO3. Elles sont présentes dans tous les CCMs, alors que les autresréactions minoritaires (celles impliquant le bromure par exemple) ne le seront pas forcément.

Enfin, différentes méthodes sont utilisées afin d’imposer les sources de gaz à la surfacede la Terre. L’abondance globale observée permet de juger des estimations passées alors quedes projections sont faites quant à l’avenir. Cela permet de recréer les conditions limites. Il estencore possible de prendre en compte les dépôts humides et dépôts secs dans la troposphère, lesdépôts secs étant très important dans le bilan de l’ozone troposphérique.

12

Transport

Il existe deux types de transports atmosphériques principaux : l’advection et les transportsconvectifs. Ceux-ci sont complétés par les mélanges turbulents des espèces chimiques.

Tout d’abord, l’advection prend place en particulier dans la stratosphère basse où les tempsde vie des espèces chimiques sont plus longs que le temps de vie dynamique (des transports ensomme). L’advection correspond au transport horizontal de propriétés physico-chimiques du faitdu transport par les vents ou les courants de particules concernées. Les modèles peuvent se basersur différents traceurs météorologiques comme le moment, la chaleur, l’humidité, mais aussichimiques. L’advection est elle-même divisée en plusieurs méthodes : l’advection de volumefini, spectrale, semi-Lagrangienne, etc.

Ensuite, la convection et les turbulences mélangent rapidement l’air et les espèces chimiquesverticalement. Ces processus sont cruciaux dans la troposphère et dans le milieu de l’atmo-sphère car ils jouent un rôle prédominant dans les échanges intercontinentals et les transportshémisphériques. En particulier, l’ozone troposphérique devient très important car il sera direc-tement entraîné vers les couches hautes de la troposphère. Cependant, du fait que beaucoup deCCMs ne prennent pas en compte la chimie troposphérique, des modèles sophistiqués ne sontpas requis pour les transports convectifs et les turbulences.

2.1.3 ListeEvolution moyenne de l’Ozone constatée. Avant le CCMVal-2, il a été établi dès 2006

que la restitution entière de l’ozone se ferait dès lors que les substances qui appauvrissent lacouche d’ozone (SAO ou ODS en anglais) n’affectent plus significativement l’ozone. Ainsi,la restitution était prévue pour 2065 au-dessus de l’Antarctique et quelques décennies plus tôtpour les autres latitudes. Pour le premier point, les modèles du CCMVal-2 ont mis en relationla restitution de l’ozone avec la disparition par exemple de la chlorure, avec en évidence, desdifférences sur les résultats. Selon les modèles, l’ozone revient plus vite que le chlorure disparaîtet vice-versa. Suites aux simulations de CCMVal-2, on peut constater que les changements del’ozone sont approximativement dépendant de Cly + αBry (Cly pour chlorure et Bry pourBromure) avec des valeurs différentes. Il est montré aussi que la restitution de l’ozone de 1960prendrait 50% de temps supplémentaire par rapport au niveau d’ozone de 1980.

Les résultats mettent aussi en évidence une forte asymétrie suivant l’hémisphère, jusqu’àl’Antarctique dont la restitution de l’ozone se fait plus lentement qu’en Arctique (la cause prin-cipale est la circulation Brewer-Dobson, un courant faible de l’hémisphère hivernal qui redistri-bue l’air). De même, dans les hautes latitudes du sud, les simulations ne sont pas assez longuespour retrouver un niveau pré-année 1970.

Dans les tropiques, la colonne totale d’ozone est en accord avec les observations alorsqu’elle diffère légèrement dans les moyennes latitudes du fait que les modèles peuvent avoirdes biais de 10 à 20 DU.

AMTRAC3

Outils du modèle. AMTRAC3 est la version améliorée de AMTRAC ([10]). Ici, des nou-veaux modèles de noyaux dynamiques en "sphères cubiques" ont été rajoutés, ainsi que desnouveaux modèles de convection, des modifications des aérosols. Ainsi, la vapeur d’eau strato-sphérique y est très précise mais le chlore et le brome ne sont pas modélisés. La paramétrisationdes CFCs de même que les taux de photolyse ont été corrigés. Enfin, la résolution verticalestratosphérique a été augementée.

Evolution de l’Ozone constatée. AMTRAC3 constate l’une des plus faible réduction del’ozone dans la haute stratosphère. Côté observations, le modèle se trouve légèrement en deça

13

FIGURE 2.2 – Date de la restitution de l’ozone selon l’année de référence (abscisse) sur dif-férentes couches de l’atmosphère décomposée en isobares ([9]). Les zones blanches corres-pondent au fait que le modèle moyen ne constate pas de restitution de l’ozone à la fin de lasimulation, c’est-à-dire passé 2094.

14

au niveau des tropiques et latitudes moyennes, simule de manière très correcte le trou de lacouche d’ozone. La restitution est consistante avec le modèle moyen et AMTRAC3 se distinguepar une sensibilité accrue aux NOy dans les tropiques par rapport aux autres modèles.

CAM3.5

Outils du modèle. CAM3.5 est issu de l’ évolution du Community Atmosphere Model etmontre une bonne capacité à reproduire les changements à grande échelle dans la stratosphèremalgré un maximum d’altitude faible (∼40 km). ([11]). Ce modèle a récemment intégré denouvelles paramétrisations concernant les ondes gravitationnelles.

Evolution de l’Ozone constatée. CAM3.5 a un grand bias en ozone au niveau de la hautestratosphère tropicale et l’une des plus faibles réductions. Le modèle est, comme AMTRAC3légèrement en dessous des mesures au niveau des tropiques et latitudes moyennes. Le troud’ozone polaire est plus faible que les observations mais la restitution est consistante avec lamoyenne des CCMs.

CCSRNIES

Outils du modèle. CCSRNIES provient de l’agence météorologique japonaise basée sur unmodèle préexistant. Des améliorations du code ont été apportées comme le module de chimiestratosphérique, incorporant une limite supérieure dans la mésosphère et un module de chimiehétérogène (dont la chimie du bromure et d’autres éléments).

Evolution de l’Ozone constatée. Ce modèle montre l’un des plus forts refroidissement pourla haute stratosphère, impliquant une restitution de l’ozone rapide. Il montre aussi un haut BIASdans les régions froides de l’Antarctique en fin d’hiver et printemps mais sous-estime en tailleet profondeur le trou dans la couche d’ozone.

CMAM

Outils du modèle. Basé sur le modèle de circulation générale GCM du Canadian Center forClimate Modelling and Analysis (CCCma), CMAM ([12]) possède une résolution précise avecune augmention monotone de 100 m à la surface jusqu’à 2,5 km dans la stratosphère/milieude l’atmosphère en passant par 900 m autour de la tropopause extra-tropicale. Le modèle estcouplé à un modèle de circulation océanique générale utilisant une résolution horizontale de1,86˚avec 29 niveaux. CMAM inclut aussi une représentation compréhensive de la chimie stra-tosphérique avec tous les cycles de perte de l’ozone catalytique. Une condition limite à ∼95km est imposée pour les NOx pour comptabiliser la production de NOx mésosphériques par lesrayons cosmiques et les particules solaires.

Evolution de l’Ozone constatée. CMAM possède une colonne d’ozone inférieure aux ob-servations dans les tropics et les latitudes moyennes du nord. Il montre aussi une baisse réduiteen ozone due à un faible niveau de Cly par rapport au modèle moyen, mais par contre, la restitu-tion de l’ozone est similaire avec quelques décalages temporels en Arctique et dans les latitudesmoyennes du sud.

CNRM-ACM

Outils du modèle. Le GCM du Centre National de Recherches Météorologiques utilise sonpropre schéma de transport ([13]) et distingue selon la résolution horizontale la dynamique dela chimie afin de réduire le temps de calcul a contrario de la résolution verticale.

15

Evolution de l’Ozone constatée. CNRM-ACM montre une réduction de l’ozone plus im-portante que les observations au niveau des tropiques et des latitudes moyennes ainsi qu’unelargeur plus importante du trou en Antarctique.

Il s’agit du modèle utilisé pour effectuer la confrontation avec les mesures satellitaires IASId’EUMETSAT dans les parties suivantes.

E39CA

Outils du modèle. Basé sur le Modèle du Centre Européen d’HAmbourg (ECHAM), lestraceurs chimiques et hydrologiques sont transportés avec le modèle purement Lagrangien AT-TILA, conservant la masse et strictement non diffusif ([14]).

Evolution de l’Ozone constatée. E39CA montre un biais très important dans la haute stra-tosphère tropicale et de surcroît, le biais est le plus important de tous les modèles sur les tro-piques. Le modèle possède une petite aire pour le trou d’ozone, et indique une restitution d’en-viron une décennie avant le modèle moyen.

EMAC

Outils du modèle. EMAC est un système de simulation de climat et chimie numérique quiinclut des sous-modèles décrivant les processus troposphériques et de l’atmosphère moyenne([15] et [16]). Il utilise la première version du Modular Earth Submodel System (MESSy1)pour lier les codes informatiques de plusieurs instituts. Son noyau est basé sur l’ECHAM. Ilinclut aussi une représentation mésosphérique de de la production des NOx par le rayonnementcosmique et les particules solaires.

Evolution de l’Ozone constatée. Ce modèle exhibe un petit et peu profond trou d’ozone,en partie à cause de la région de faible température (inférieure à 195 K) qui est plus petitequ’observée.

GEOS-CCM

Outils du modèle. Partant du Goddard Earth Observing System (GEOS) version 5 AGCM(Atmospheric General Circulation Model), ce modèle ([17]) se couple avec un mécanisme dechimie stratosphérique et utilise un noyau dynamique semi-Lagrangien avec des coordonnéesverticales autorisant une simulation précise des mouvements verticaux. La chimie stratosphé-rique inclut une liste importante de composants et réactions chimiques, mais le modèle ne sesert pas explicitement de la diffusion.

Evolution de l’Ozone constatée. Ses résultats sont similaires pour les tropiques, mais lacolonne totale d’ozone est supérieure aux observations dans les moyennes et hautes latitudes.La chlorure est équivalente, mais se réduit plus rapidement dans le futur, ce qui conduit à unerestitution du niveau d’ozone de 1980 plus rapide.

LMDZrepro

Outils du modèle. Combinaison du GCM LMDz et du CTM REPROBUS ([18]), LMDZ-repro est un outil très détaillé de l’Institut Pierre Simon Laplace (IPSL) de part sa chimie strato-sphérique qui calcule l’évolution de 55 espèces à l’aide de 160 réactions gazeuses et 6 réactionshétérogènes avec la sédimentation.

Evolution de l’Ozone constatée. LMDZrepro exhibe le plus profond trou d’ozone de CCMVal-2 et ainsi le gradient d’ozone le plus raide au niveau du vortex polaire Antarctique. Cependant,la réduction de l’ozone due à la chlorure est plus faible que la plupart des modèles

16

MRI

Outils du modèle. MRI emploie des coordonnées hybrides avec la pression pour diviserl’atmosphère en 68 couches, avec une épaisseur de 500 m entre 100 et 10 hPa avec diminu-tion sur les limites. La diffusivité horizontale permet l’implémentation de la QBO et le trans-port d’espèces chimiques est assuré avec un schéma semi-Lagrangien hybride pour satisfairela continuité. La chimie stratosphérique inclut aussi les réactions hétérogènes sur les nuagesnacrés (PSCs) et les aérosols sulfatés ([19]).

Evolution de l’Ozone constatée. Ce modèle montre un biais fort pour toutes les latitudescomparé à la colonne totale d’ozone. La hausse chlorure (importante par rapport aux autresmodèles) induit une plus forte réduction de l’ozone et donc une restitution plus lente, princi-palement dans l’hémisphère nord (le sud rejoignant le comportement du modèle moyen). Laprofondeur du trou d’ozone correspond bien aux observations, mais l’aire en est plus petite.

SOCOL

Outils du modèle. De même que E39CA, ce modèle est basé sur l’ECHAM et décrit assezprécisement la chimie stratosphérique ([20]). Il considère que toutes les espèces chimiques sonttransportées, en particulier sa précision est grande sur les ODSs, HNO3 et les particules d’acidenitrique tri-hydratés.

Evolution de l’Ozone constatée. SOCOL est en accord avec les observations et le modèlemoyen, mais commence à montrer des biais importants au-delà de 2050 suite à un changementde circulation qui donne naissance à un fort refroidissement dans la basse stratosphère tropi-cale et à une réduction de l’ozone. Il montre aussi une baisse rapide de chlorure et donc unerestitution de l’ozone très rapide.

ULAQ

Outils du modèle. ULAQ est un CCM de faible résolution. Les champs dynamiques sonttirés d’un modèle de circulation général (GCM) simplifié où les espèces de temps de vie courtet moyen sont regroupées en familles (Ox, NOy, NOx, HOx, CHOx, ... voir l’annexe au cha-pitre ??). La distribution de taille des sulfates et des nuages nacrés est calculée en ligne enutilisant un code de microphysique d’intéraction et de conservation de la masse pour la forma-tion et le développement d’aérosols.

Evolution de l’Ozone constatée. Un taux faible de chlorure entraîne des colonnes faiblespour l’ozone dans le passé. Le retour de l’ozone se fait au même moment que le modèle moyendans les moyennes et hautes latitudes de l’hémisphère nord, mais arrive plus tard dans les ré-gions polaires du sud.

UMETRAC

Outils du modèle. UMETRAC part du modèle unifié (UM) et l’étend de manière verticaleen le combinant avec un progiciel de chimie stratosphérique. La chimie y est simplifiée et lesrejets de chlorure et bromure depuis les réservoirs naturels sont calculés en fonction de l’âge del’air.

Evolution de l’Ozone constatée. Les données d’UMETRAC n’ont pas été fournies à tempspour juger de l’évolution de l’ozone sur CCMVal-2.

UMSLIMCAT

Outils du modèle. Ce modèle s’inspire du même UM qu’UMETRAC qu’il étend lui aussiverticalement, mais qu’il couple avec un modèle de chimie stratosphérique où la vapeur d’eau

17

stratosphérique est liée au champ d’humidité de l’UM. Il est à noter que ce modèle inclut lesvariations cycliques du rayonnement solaire.

Evolution de l’Ozone constatée. Les colonnes d’ozone sont légèrement biaisées sur toutesles latitudes, mais la restitution se fait rapidement, en particulier dans l’hémisphère sud (faibleniveau de chlorure). Le trou de la couche d’ozone est lui bien en accord avec les observations.

UMUKCA-METO et UMUKCA-UCAM

Outils du modèle. Combinaison du modèle unifié de Met Office et de l’UKCA module dechimie stratosphérique ([21]), UMUKCA n’utilise pas l’approximation hydrostatique, n’imposepas de diffusion explicite. La production chimique de vapeur d’eau est ignorée dans le processushydrologique mais est remplacée par l’oxydation du méthane. Enfin, la vapeur d’eau est imposéeà la tropopause tropicale. Les deux modèles diffèrent sur l’utilisation de quelques données decinétique chimique, sur le traitement du retrait de certains composés halogénés inorganiquesdans la troposphère et sur le chauffage radiatif des aérosols stratosphériques.

Evolution de l’Ozone constatée. Pour UMUKCA-METO, le modèle est consistant avecles observations de la colonne moyenne d’ozone dans les tropiques et les latitudes moyennes.Une forte concentration de chlorure entraîne un grand biais sur le changement de l’ozone dansla haute stratosphère tropicale. Dans les latitudes moyennes de l’hémisphère sud, la colonned’ozone se réduit après 2070. L’Arctique est raisonnablement reproduit alors que l’Antarctiqueest fortement biaisé. Enfin, le trou dans la couche d’ozone au niveau de l’Antarctique est petitet peu profond à cause d’une faible proportion de nuage nacré. Quant à UMUKCA-UCAM,la colonne totale d’ozone est supérieure sur toutes les latitudes mais inférieure dans la hautestratosphère. La restitution se fait au même moment que le modèle moyen sauf en Antarctiqueoù il se déroule plus tard. De même que son équivalent METO, le modèle montre un trou dansla couche d’ozone au niveau de l’Antarctique plus petit et moins profond.

WACCM

Outils du modèle. WACCM est un modèle interactif complet incluant tous les paramètresphysiques de CAM et un bilan de gaz radiatifs conséquent ([22]). Il utilise aussi un noyaudynamique unique, le chauffage chimique et par les ultraviolets extrèmes, la production deNOx mésosphériques par les rayons solaires et cosmiques, la chimie des ions dans la bassethermosphère. La chimie est basée sur MOZART3 et un processus de chimie hétérogène sur lesaérosols sulfatés et les nuages stratosphériques polaires a été inclus.

Evolution de l’Ozone constatée. La colonne totale d’ozone simulée par ce modèle est plu-tôt plus faible qu’observée, sauf dans les latitudes moyennes et régions polaires. La restitutionde l’ozone au niveau de 1980 est au même moment que le modèle moyen dans l’hémisphèresud, mais plus tôt pour l’hémisphère nord. Le trou dans la couche d’ozone en Antarctique estsimilaire, mais disparaît plus vite que dans les autres modèles.

2.2 Sorties et normalisation

2.2.1 ButLe satellite AURA avec ses instruments OMI, HIRDLS, TES et MLS, ainsi que les ins-

truments GOME, GOME-2, SBUV/2 et IASI embarqués sur d’autres satellites sont autant demoyens mis en oeuvre pour cartographier spatialement et temporellement l’ozone de l’atmo-sphère. Afin de disposer d’une base de données comparable et valide, le meilleur moyen est de

18

normaliser le format de sortie des mesures, c’est-à-dire fournir un format commun à tous cesinstruments.

De même, pour pouvoir émettre un avis certain quant à l’évolution du climat global et ce,jusqu’à 2100, normaliser les sorties de modèles permet de faciliter les comparaisons et les dis-cussions autour des différents résultats. Il est aussi possible de comparer les données observéesdans le passé avec des prévisions tournées vers le passé, il s’agit alors de valider les résultats dumodèles.

Enfin, la documentation est très importante. Que ce soit sur les observations satellitairesou sur les modèles climatiques, il est crucial de fournir avec ces données une documentationcomplète expliquant aux utilisateurs les méthodes et le parcours de ces données. C’est dans cecadre que rentre la fiche IASI de l’ozone, pour les données de niveau 3.

2.2.2 RésolutionMaillage horizontal

Des données réparties en grille sur une sphère peuvent être remplacées par des séries d’har-moniques sphériques. Cela réduit à la fois la quantité de données et le temps de compilationtout en améliorant la facilité des calculs ([23]). Les séries sont générallement tronquées en lon-gueurs d’onde zonales (parallèle à une latitude) et méridionales (selon un méridien, parallèleà une longitude). Deux troncatures spéciales, respectivement triangulaire et rhomboïdale, sedifférencient par des longueurs d’onde zonales et méridionales respectivement identiques et as-sociées à une constante. La troncature triangulaire est la plus souvent utilisée. Elle est aussi dite"isotropique" du fait que chaque position et direction sur la sphère est traitée identiquement, i.e.il y a invariance du maillage par rotation des coordonnées.

Les harmoniques sphériques sont de la forme

Ymn (µ, λ) = Pmn (µ)eimλ

où λ représente la longitude, µ = cosφ où φ représente la latitude et m et n, indices entiers, cor-respondant respectivement à l’indice zonal et à l’indice total avec n − |m| l’indice méridional.On a alors m = 0,±1,±2,±3, ... et n = 1, 2, 3, ... sachant que |m| ≤ n. Si M et N sont lesmaximums respectifs de m et n, alors le cas M = N = r correspond au cas de la troncature tri-angulaire, notée T (accessoirement, le cas rhomboïdal, s’identifie par N = |m|+M ). La valeurde l’entier r indiquera le niveau de résolution du maillage. Ainsi, le modèle T106 utilise unegrille dont la résolution est de 1,21˚×1.21˚, 2,8˚×2,8˚ pour T42, etc., la résolution augmentantavec l’entier r.

Les points obtenus peuvent être ensuite disposés sur une grille Gaussienne. Celle-ci sépareselon latitude et longitude les points de la sphère, séparés par des distances angulaires identiquesou non. Dans le premier cas, si la séparation angulaire est identique sur toutes les latitudes, pluson se rapproche des pôles, plus les points seront proches physiquement parlant. C’est pourquoides grilles Gaussiennes réduites peuvent être utilisées : ici, le nombre de points va décroître avecla latitude croissante pour garder une séparation physique entre chaque point similaire. Sur cettereprésentation, il est à noter qu’il n’y a pas de point aux pôles (liste des grilles Gaussiennes surle site de l’ECMWF [24]).

Résolution verticale

Il est aussi possible de complétere le maillage horizontal par le niveau de résolution verticaleavec par exemple T159L60 où T159 correspond à la partie horizontale, et L60 à différents 60niveaux (L pour Level).

19

La plupart des CCMs résolvent explicitement l’atmosphère terrestre depuis la surface jus-qu’à 80 km d’altitude, avec donc la troposphère, la stratosphère et une grande partie de la mé-sosphère. La résolution dans la troposphère est typiquement en dessous de 1 km (environ 500 mdans la troposphère moyenne), ensuite environ 1-2 km autour de la tropopause, et une résolutiondécroissante dans la stratosphère (par exemple 3-5 km dans la stratosphère moyenne). L’un desdéveloppements actuels est l’amélioration de la résolution verticale dans la haute troposphèreet basse stratosphère (UTLS pour Upper Troposphere and Lower Stratosphere), c’est-à-dire at-teindre 500 m de résolution autour de la tropopause. Cette région est en effet très importantepour les systèmes climatiques de la Terre, plus particulièrement le climat en surface. Mais ilest évident que les résolutions vont dépendre des outils utilisés. Par exemple, les observationsau nadir limiteront la résolution verticale par rapport à des observations de type limb-view (lesatellite vise l’atmosphère de façon tangentielle) mais auront l’avantage de présenter moinsd’interférences vis-à-vis des nuages et une meilleure résolution horizontale.

Région de l’atmosphèreTroposphère UTLS Moyenne atmosphère

Résolution horizontale 100-300 km 100-300 km 100-300 kmRésolution verticale Colonne 2-3 km 3-5 km

troposphériqueFréquence d’observation 3 jours 3 jours 3 joursPériode considérée 1980-2010 1980-2010 1980-2010Précision 10-20% 8-15% 8-15%Stabilité 4%/décennie 4%/décennie 4%/décennie

TABLE 2.1 – Résolution requise pour des observations du profil de l’ozone basée au nadir (casIASI) en considérant que la tropopause s’établit là où l’ozone atteint une concentration de 150ppbv, que l’UTLS s’étend de 5 à 25 km, et qu’enfin, l’atmosphère moyenne s’étend quant àelle de 25 à 80 km d’altitude ([25]). Les objectifs scientifiques de ces observations sont dedécrire les différences régionales de l’évolution de la couche d’ozone, de mettre en évidenceles cycles saisonniers, la variabilité interannuelle et à court terme, de caractériser le poids del’ozone troposphérique et enfin d’en tirer les tendances globales.

20

Chapitre 3

Mesures de l’ozone

3.1 Rappels atmosphériques

3.1.1 Les couches de l’atmosphèreL’atmosphère terrestre se décompose en 4 couches, ayant toutes des propriétés physiques et

chimiques différentes. Elles se distinguent surtout par un comportement différent de la tempé-rature, comme l’évoque la figure 3.1 (à gauche).

La première, appelée la troposphère, est située entre 0 et 13 km (la limite supérieure varianten fonction de la lattitude, elle est par exemple moins épaisse aux pôles avec 7 km contre 20 auniveau de l’équateur). La troposphère contient environ 80% de la masse de l’atmosphère. Ici, latempérature diminue avec l’altitude.

Ensuite, la stratosphère se caractérise par une augmentation de la température suite à laphotolyse de l’O2 par les rayons UV selon le cycle de Chapman (voir section 3.1.2). Elle sesitue entre 13 et 50 km, et possède une masse inférieure à 20% de l’atmosphère. 90% de l’ozoneatmosphérique est contenu dans la stratosphère.

Après, la stratopause, limite supérieure à la couche précédente, c’est la mésosphère. Allantjusqu’à 90 km, cette couche voit sa température diminuer du fait que la quantité d’O2 décroîtfortement avec l’altitude. Les molécules sont de plus en plus rares et dispersées.

Enfin, au-delà de 90 km, la thermosphère, où la température croît fortement du fait du rayon-nement solaire très intense. Cela donne des écarts de températures entre le jour et la nuit trèsimportants. Le maximum de température dépend ici entièrement de l’activité solaire.

Outre les kilomètres, il est possible de diviser l’altitude en fonction de la pression : onutilise alors les isohypses de géopotentiel pour tracer les cartes de pression d’altitude. 105 Pacorrespondra alors à l’altitude du niveau de la mer : 0 km. Ensuite, la pression dépendra de lanature des composants dans l’atmosphère, ayant une masse et une proportion différente selon leslieux. Cependant, il est possible de moyenner l’état de l’atmosphère, c’est la base de l’altimètrebarométrique ([26]), mesurant l’altitude grâce à la pression selon l’équation suivante :

p(h) = 1013, 25

(1− 0, 0065 · h

288, 15

)5,255

hPa (3.1)

ou encore l’équation hydrostatique :

dp

p= −Mg

RTdz (3.2)

21

FIGURE 3.1 – Gauche : l’atmosphère terrestre et ses différentes couches (Crédit : Laurence Jac-quenod). Droite : Les couches de l’atmosphère et la moyenne temporelle des échanges entreelles. La différence entre hémisphère sud et hémisphère nord est assez marquante et les turbu-lences dans la troposphère sont aussi mises en évidence.

Découpage de l’atmosphère

Pour des raisons pratiques et physiques, les calculs opérés dans les modèles climatiques sebasent sur un découpage de l’atmosphère plus ou moins consistant avec la réalité physique.

La première méthode est de séparer l’atmosphère (ou du moins sa base, c’est-à-dire la tro-posphère et une partie de la stratosphère) en colonnes partielles. Le découpage le plus utilisé sefait en 3 sous-colonnes : [0-6] km, [0-12] km et [0-18] km.

La seconde méthode divise aussi l’atmosphère en trois parties, mais différemment : la pre-mière correspond à la troposphère basse, la seconde à la haute troposphère et basse stratosphère(UTLS pour Upper Troposphere and Lower Stratosphere) en raison de l’importance chimiqueque revêt cette zone, et la dernière correspond à la stratosphère moyenne.

La dernière méthode se sert de la définition de la tropopause précisée par l’ACCMIP (At-mospheric Chemistry and Climate Model Intercomparison Project). Elle se base sur la vorticité(ou vecteur tourbillon) potentielle, analogue au rotationnel de la vitesse et décrivant la quan-tité de vitesse angulaire ou de rotation que subit un fluide localement. Ainsi, la tropopause estdéfinie comme une couche de 30 hPa centrée sur une surface de vorticité potentielle (PV pourPotential Vorticity) de PV = 2 pvu ([27]), avec pvu étant l’unité de vorticité potentielle (pvupour potential vorticity unit), sachant que

1pvu =10−6K ·m2

kg · s.

Cette définition de la tropopause permet d’éviter toutes les variations saisonnières de la hauteurde la tropopause.

Angle zénithal solaire

L’angle zénithal solaire θz représente l’angle entre le Soleil et le zénith au point d’observa-tion (voir figure 3.2 et la référence [28]). Il est fonction du temps, du jour de l’année et de lalatitude. Il est calculé suivant :

cos θz = sin δ sinφ+ cos δ cosφ cosω

où δ représente la déclinaison du Soleil, φ la latitude (prise comme positive dans l’hémisphèrenord) et ω l’angle horaire, mesurant l’heure locale. Il sera important par la suite pour séparerles données jour des données nuit.

22

FIGURE 3.3 – Répartition de l’ozone dans l’atmosphère, concentré à 90% dans la stratosphère.

FIGURE 3.2 – Représentation de l’angle zénithal solaire, avec l’angle zénithal de visée (ViewingZenith Angle, angle entre le satellite et le zénith au point d’observation). Afin d’observer lasurface sous une incidence constante, la somme des deux angles doit être maintenue durant lesobservations (Crédit : NASA).

3.1.2 L’ozoneGénéralités

L’ozone est un gaz qui revêt une importance primordiale dans la troposphère. Celui-ci esthautement nocif pour la santé humaine, toxique pour l’agriculture et très réactif. Il revêt aussiune même importance dans la stratosphère en absorbant les rayonnements UV (A [315 ; 400] nmet B [280 ; 315] nm). Ce bouclier anti-UV est cependant vulnérable à la destruction catalytiquepar des composés halogènes comme par exemple des CFCs. Son rôle dans le forçage radiatifest différent dans les deux couches atmosphériques concernées : positif dans la troposphère etnégatif dans la stratosphère, mais en moindre proportion. L’ozone troposphérique est produit del’oxydation du CO, des COVs (Composés Organiques Volatils) et des hydrocarbones par OHen présence des NOx tandis que l’ozone stratosphérique provient majoritairement du cycle deChapman (années 1930) :

Formation

{O2 + hν → 2O

O +O2 +M → O3 (+ chaleur)Destruction

{O +O3 → 2O2

O3 + hν → O +O2 (+ chaleur)

Il existe deux méthodes pour observer l’ozone de l’atmosphère. La première, dite passive, uti-lise la radiométrie ou la spectrométrie. Cela consiste à observer le rayonnement solaire (soit

23

UV, IR ou micro-onde) de façon verticale (au nadir ou légèrement décalé) ou aux limbes (atmo-sphère observée par strates). La seconde, active, nécessite l’envoi d’un rayonnement, comme leLIDAR, afin de caractériser les particules rencontrées sur le chemin optique. Cependant pourdes raisons de puissance, de stabilisation entre autres, cette technique est surtout utilisée au sol.

Unité Dobson vs ppm

Le Dobson est l’unité de mesure évaluant la quantité d’un composant (ici l’ozone) sur toutela verticale d’un point donné de la surface terrestre ([29]). Cette unité est très utile dans le cas demesures satellitaires ou se basant sur des techniques usant un long parcours optique avec le So-leil ou la Lune comme source de fond. Ainsi, il est mesuré l’abondance d’un composant dans lacolonne verticale à un endroit spécifique où la résolution dépendra de l’aire sur laquelle la me-sure s’effectue. Ces "colonnes d’abondance" ont l’unité de quantité/nombre de molécules/massepar unité d’aire. Une fois converti, 1 DU (Dobson Unit) correpond à l’épaisseur en unité 10-3 cmque la colonne d’ozone occuperait si elle était compressée dans une couche de densité uniformeà 273.15 K et une atmosphère (105 Pa). 100 DU sont alors équivalents à 1 mm d’ozone pur auniveau de la mer. Pour une colonne d’ozone type, on obitent des mesures d’environ 300 DUpour des extrèmes allant de 250 DU (au niveau des régions équatoriales) jusqu’à 500 DU (dansles régions polaires au printemps).

A contrario d’une mesure en Dobson effectuée sur toute une colonne, les concentrationsen ppm ou VMR (pour Volume Mixing Ratio) sont plus utilisées dans les reflexions et pluscompréhensibles au grand public. Elles correspondent à une fraction à laquelle contribue unesubstance sur la totalité de l’échantillon. Ainsi, 1 ppm d’O3 (pour partie par millions) correpon-dra à 10-6 m3 d’O3 par m3 d’air, 1 ppb à 10-9, etc. Il est de même possible de les transcrire enkg, mol, ... .

Pour faire la conversion entre données en ppmv et données en Dobson, il faut se servir d’unparamètre supplémentaire : la pression. Dans la suite, certains jeux de données sont en ppmvalors que le choix s’est porté sur des colonnes partielles et totales. Ainsi, la conversion s’effectuesuivant l’équation suivante :

(O3)j[DU] =

j∑i=0

(O3)i[ppmv] ∗ 10−6 ∗ (Pi − Pi+1) ∗1

g∗ MO3

Mair∗ f (3.3)

où (O3)i en [DU] est la colonne partielle i en Dobson, Pi et Pi+1 sont les niveaux de pression desniveaux i et i+ 1, g l’accélération en [m/s2], MO3 et Mair les masses volumiques respectives del’ozone et de l’air, f = 46641.59 facteur de conversion entre les kg/m2 et le Dobson. Ce facteurest basé sur la définition du Dobson comme étant 2, 89 ·1016 molécules/cm2 ([6]). Il faut ensuitefaire cette somme sur tout le profil de la colonne pour arriver à la colonne totale.

3.2 Mesures IASI

3.2.1 Rappels théoriquesDans l’atmosphère, les molécules peuvent absorber des radiations électromagnétiques qui

vont modifier de façon différente suivant l’énergie la configuration de la molécules. Dans lecas de radiations micro-ondes, l’énergie de rotation de la molécule sera modifiée, le niveaud’énergie va changer, c’est une transition rotationnelle. Dans le cadre de radiations infrarouges(de longueur d’onde comprise entre 2,5 et 25 µm), ce sera au tour de l’énergie de vibration, cesera alors une transition vibrationnelle, base de la spectroscopie infrarouge. Enfin, s’il s’agit duvisible ou de l’ultraviolet (entre 10 et 700 nm), l’énergie électronique sera modifiée impliquant

24

FIGURE 3.4 – Spectre en radiance IASI normalisé et ses bandes spectrales (Crédit : Eumetsat).

les transitions électroniques, qui sont elles à la base de la spectroscopie d’absorption UV-visible.L’énergie totale de la molécule est donnée par la somme de ces trois énergies.

Spectroscopie Infrarouge

Ainsi, en observant le rayonnement infrarouge d’un gaz, il est possible d’en déduire lesvibrations caractéristiques pour remonter aux molécules composant ce gaz. Ces molécules ab-sorbent les radiations infrarouges comprises entre 400 et 4000 cm-1 et montrent un Dirac à lafréquence de la vibration. Ce Dirac sera élargi suivant la pression et la température. À bassepression (haute altitude), la raie subira un élargissement Doppler, car la vitesse des particulessera élevée. A contrario , à haute pression (basse altitude) règnent les collisions entre les parti-cules du fait de leur nombre. On parle alors d’effet Lorentz.

De même, autre facteur de la spectroscopie infrarouge, la polarisation de la molécules. Cefacteur agira sur l’intensité de la raie, qui va croître avec la polarité. Derniers facteurs à prendreen compte, les masses des atomes et leurs forces de liaison joueront sur la fréquence de l’os-cillation. La figure 3.4 montre le spectre en radiance IASI normalisé et décomposé selon lesdifférentes bandes le constituant.

La grande difficulté consiste à les interpréter en prenant en compte tous les effets de l’atmo-sphère. Pour cela, on procède à un processus d’inversion, qui consiste à retrouver les différentsprofils de température, de pression, de gaz et d’aérosols dans la zone observée afin d’obtenir aufinal les données des quantités de molécules dans leur intégralité.

3.2.2 Création des fiches IASIPourquoi ?

Avant de traiter les données IASI, il m’a été demandé de créer une fiche IASI. Dans le cadredu ESA-CCI (Climate Change Initiative for ESA), 10 variables essentielles au climat (ECVpour Essential Climate Variable) ont été sélectionnées parmi la quarantaine existante ([25]). Sur

25

ces 10, 3 concernent le milieu marin, 3 les milieux surfaciques et enfin, 4 pour l’atmosphère :les nuages, les aérosols, l’ozone et les GES (sachant que l’ECV sur l’ozone se divise en 3parties : le profil au nadir, les limbes et la colonne totale). Un consortium par ECV, regroupantdes spécialistes du climat mais non des modèles, a été choisi afin de répertorier, transcrire etvalider les données sous un format qu’on pourrait décrire comme étant universel. Parallèlement,un groupe a été monté, le CMUG (Climate Modeling User Group), dans le but de valider lesprécisions (important pour les modèles), les modes, les origines des mesures et in fine, de fournirla description du format des instruments ([30]). NetCDF CFcompliant ([31]) est le format retenupar la communauté internationale.

À l’intérieur de ce format est inclus toute la description de la prise des mesures, permettantaux groupes voulant utiliser les modèles de valider les résultats qu’ils obtiennent. C’est donc unformat de données "auto-documenté" créé par le Unidata program de l’University Corporationfor Atmospheric Research (UCAR).

Le modèle de données netCDF classique est divisé en 3 parties : variables, dimensions etattributs. Les variables consistent en un tableau de données de N-dimensions pouvant être soitde type char, byte, short, int, float ou double. Les dimensions décrivent les axes des tableaux dedonnées. Chaque dimension possède un nom et une longueur, cette dernière pouvant être étiréeau bon vouloir de l’utilisateur. Enfin les attributs annotent les variables ou les fichiers avec despetites notes ou des données supplémentaires, de préférence de taille réduite.

La fiche

L’annexe au chapitre C comprend la note technique retenue pour l’instrument IASI, maispour un produit de l’instrument : l’ozone. En effet, il a été demandé pour le CMIP5 de consa-crer une fiche par produit, impliquant quelques redondances pour par exemple, la descriptiondu satellite. Chaque fiche se divise en plusieurs parties : une partie introductive explicitant l’in-tention de la fiche, la description des données, leur origines, leurs validations. La fiche doit êtreassez complète pour que tout utilisateur puisse comprendre la provenance des données, maiselle doit être en même temps assez claire pour permettre aux non-initiés de l’instrument desaisir les principales caractéristiques des données.

3.2.3 Les données et leurs récupérationsLes données issues du satellite Metop sont réceptionnées à la station Svalbard (Norvège) qui

les traite et peut les transmettre environ 2h15 après acquisition (pour le niveau brut). À l’aidedes satellites de télévision (le Digital Video Broadcast (DVB)), les données sont acheminées parle système EUMETCast (EUMETSAT’s Data Distribution System) sur une zone géographiqueregroupant la totalité de l’Europe et certaines régions de l’Afrique. Les formats sont variés,incluant les formats primaires de l’EPS mais aussi ceux du WMO : BUFR (Binary UniversalForm for the Representation) et GRIB (GRIdded Binary). Outre l’envoi, les archives sont ellesaussi disponibles sur l’EUMETSAT Data Centre.

Les données récupérées correspondent aux années 2008 et 2009. 2 ans de données per-mettront une statistique globale. Les premiers mois récupérés sont les mois d’août et septembre2008. En effet, fin août de cette année là, un trou est apparu dans la couche d’ozone au niveau del’Antarctique. Nous pourrons alors voir l’effet sur les confrontations et comparaisons. De plus,l’année 2008 est considérée comme une année phare pour le projet CCI de l’ESA. Sur cette an-née, le but est de rassembler le plus grand nombre de d’ECVs caractérisables disponibles dansle but d’avoir une référence sur le processus d’action.

26

La chaîne du niveau 1

Par rapport à la donnée brute observée (niveau 0), le satellite opère dès la mesure une cali-bration afin d’obtenir un produit de niveau supérieur (voir l’annexe 2 au chapitre B pour la listedes niveaux des produits IASI). À bord du satellite, les spectres subissent déjà une calibrationradiométrique. Ici, une approximation dépendant de la longueur d’onde est appliquée pour relierla luminance énergétique du corps noir B(λ,T) à λ et T suivant la loi de Planck :

B(λ, T ) =C1

λ5[exp(C2/λT )− 1]W ·m−2 · µm−1 · sr−1 (3.4)

avec C1 = 1, 1910659 · 10−8 W·m-2·sr-1·cm4 et C2 = 1.4388 cm·K. Ensuite, de nouvellesfonctions de Planck sont calculées pour apporter une correction appropriée aux spectres (via unechaîne de calcul dite ISRFEM). De même, les contributions de la radiance réfléchie, l’impact dumiroir à différents angles, sa dépendance vis-à-vis de la température et la géolocalisation sontpris en compte.

Les données arrivent alors au niveau 1b, où les spectres 1a vont être suréchantillonnés d’unfacteur 5 à l’aide de transformées de Fourier. Les spectres sont aussi interpolés sur une nouvellegrille équidistante suivant l’interpolation cubique (spline).

Enfin, le spectre est apodisé à l’aide des fonctions d’apodisation interpolées dans la chaîneISRFEM. On effectue la convolution dans l’espace de l’interférogramme suivant

spectre apodisé = TF−1[fonction d’apodisation× TF(spectre 1b)]

L’analyse des radiances dans les FOV (Field of View, ou champ de vue) du sondeur, en terme declassification de surfaces radiatives (étendues, température, structure) est aussi effectuée ame-nant au produit IASI de niveau 2.

Données EUMETSAT IASI-L2

Le format typique des données EUMETSAT de niveau 2 sont de la forme suivanteiasi_yyyymmdd_hhmmss_metopa_nnnnn_eps_o_<product code>.l2_bufr où yyyymmdd cor-respond à l’année, le mois et le jour au Temps Universel Coordonné (UTC), hhmmss pourheures, minutes et secondes à partir du début de prises de données, nnnnn est le nombre ortibalet enfin <product code> = ’twt’ pour la température atmosphérique et la vapeur d’eau, ’ozo’pour l’ozone atmosphérique (notre cas), ’trg’ pour les gaz traces, ’ems’ pour l’émissivité etenfin ’clp’ pour les paramètres des nuages.

Une journée de donnée est répartie en plusieurs fichiers correspondant aux parties d’orbites.Ainsi, une journée se divise en plus ou moins 14 fichiers de taille environnant les 65 Mo. Ce quifait pour une journée complète pas moins de 900 Mo de données à traiter.

Données LATMOS-ULB

Les données IASI provenant du LATMOS-ULB sont de la forme suivante (voir tableau 3.1)sous un nom de type IASI_LATMOS_ULB_O3_20080816.tar. Le jour a été divisé en plusieursfichiers correspondant à des orbites. Le nom du fichier est alors du type IASI_O3_AK_20080816_*.txtet chaque fichier .txt a une taille oscillant autour de 600 Mo. Une fois ouvert, chaque ligne cor-respond alors à un point. La matrice du noyau est calculée en colonne partielle, sur 40 niveaux.Le premier niveau correspond à la première couche de l’atmosphère [0-1] km, le niveau 2 à [1-2] km, ..., le niveau 40 correspondra lui à [39-sommet de l’atmosphère] km. Lorsque le premierniveau n’est pas disponible (à cause de l’orographie, c’est-à-dire là où l’altitude est supérieureau premier point de mesure, voire aux niveaux suivants), la donnée est imposée à -999.

27

LATMOS-ULB 1 latitude2 longitude3 temps [hhmmss]4 SZA [˚]

5 à 44 profil de l’ozone [ppb] sur 40 niveaux45 à 84 erreur sur le profil [%] sur les 40 niveaux

85 à 1684 matrice (40 × 40) du noyau

TABLE 3.1 – Format des données IASI fournies par le LATMOS-ULB. Chaque ligne correspondà un point.

Le LATMOS-ULB se base sur les donnée de l’instruement IASI à bord de METOP. Ainsi,provenant de la même source que les données d’EUMETSAT, elles sont sensiblement simi-laires. Cependant, le LATMOS-ULB utilise une méthode de récupération différente. Eumetsatutilise un réseau de neurone alors que le LATMOS-ULB se base sur une optimisation numé-rique inspirée de la méthode d’estimation optimale (OEM, [32]). Cette dernière méthode permetde fournir des estimations des erreurs, ce qu’Eumetsat via les réseaux de neurones ne peut pasfaire.

Autre différence entre les deux jeux de données, le LATMOS-ULB utilise un masque nua-geux moins strict qu’EUMETSAT. Ainsi, il dispose d’un nombre supérieur de données, maiscela peut avoir une influence sur les valeurs de l’ozone qui seront alors retournées.

Données MIPAS

Le Michelson Interferometer for Passive Atmospheric Sounding (MIPAS), via l’Institut fürMeteorologie und Klimaforschung/Instituto de Astrofísica de Andalucía (IMK/IAA), a rendupossible la comparaison des données IASI avec un autre satellite (MIPAS étant embarqué surEnvisat et opérationnel depuis 2002). Il fournit des profils d’ozone (et température) dans lastratosphère avec une résolution verticale de 3 à 5 kilomètres. Téléchargeable sur le serveur del’IMK, les données sont présentées sous la forme MIPAS-E_IMK.20080816.V4O_O3_202 etune routine IDL (Interactive Data Language) est fournie pour lire les fichiers. Chaque fichiercorrespondra à une journée et à l’intérieur, chaque paragraphe correspondra à une valeur delatitude/longitude. Ensuite, les données sont présentées sous la forme de 8 colonnes (voir ta-bleau 3.2). Il y a environ plus de 1000 géolocalisations par jours, ce qui ne peut certainementpas remplir une grille de 0.5˚× 0.5˚(∼ 260 000 points), ni même 1˚× 1˚(∼ 65 000 points). Il fautalors soit interpoler sur une grille d’environ 10˚× 10˚, soit prendre une moyenne sur plusieursjours.

La couverture journalière selon les années est disponible sur le site suivant :http://www-imk.fzk.de/asf/sat/envisat-data/O3.htmlIl permet alors de voir la qualité des données sur les différentes années d’activité du satellite etsuivant les différents traitements opérés.

Les données qui nous intéressent sont fournies en [ppmv]. À l’aide de la pression elle aussifournie, il est alors assez aisé de convertir les concentrations en colonnes partielles (équa-tion 3.3) pour ensuite les comparer aux colonnes partielles d’EUMETSAT.

Données CNRM

Le Centre National de Recherches Météorologiques (CNRM) a pour but d’améliorer laconnaissance de l’atmosphère et de ses interfaces afin de mieux comprendre et modéliser les

28

MIPAS 1 flag de visibilité : 0 si l’altitude non visible pour MIPAS, 1 sinon2 altitude [km]3 pression [hPa]4 température [K]5 extraction de la cible en vmr [ppmv]6 déviation standard du bruit de l’erreur [ppmv]7 entrée diagonale de la matrice du noyau [-]8 résolution verticale [km]

TABLE 3.2 – Format des données MIPAS provenant de l’IMK. Chaque point de l’espace auraces 8 colonnes et ∼60 lignes. Latitude et longitude se récupèrent en en-tête des colonnes (voirannexe D).

processus qui régissent leur évolution et donc la prévision du temps et l’évolution du climat.L’équipe CAIAC au sein du CNRM m’a fourni les sorties du modèles CNRM-CCM. Sous unformat NetCDF, elles compilent une année type, avec une grille par jour, de 2.8125˚×2.8125˚×71 niveaux en altitude. Les données sont en [ppm] et afin de les convertir en Dobson (via l’équa-tion 3.3), l’équipe CAIAC a fourni aussi l’équivalent pression, établi sur une grille strictementidentique.

Il faut bien avoir en tête qu’il s’agit d’une année modélisée et non des mesures. Ainsi unecomparaison pixel par pixel, ou plutôt maille de grille par maille de grille n’a pas de sens.

29

Chapitre 4

Confrontation des produits IASId’EUMETSAT aux autres données

4.1 Mise en oeuvreLa première phase a été consacrée à l’apprentissage des logiciels permettant la lecture et

l’utilisation des mesures de l’ozone. Ainsi, Scilab, ENVI et IDL m’ont été utiles pour leursdiverses applications.

Les données étant fournies dans un format de type latitute|longitude|data, le logiciel ENVI apermis de directement pouvoir les mettre sur carte. Cependant, pour calculer la colonne partielled’ozone, il a fallu se servir des logiciels Scilab et IDL (voir l’annexe 5 au chapitre D). De plus,là où l’orographie ne permet pas de mesure, les valeurs sont imposée à -999. Il a donc fallucréer des masques pour enlever ces valeurs, et aussi éviter toute interpolation sur les points quele satellite n’a pas mesuré. Il faut donc créer une grille artificielle de points et faire correspondreles mesures avec ces points. Ainsi, tout point non remplacé sera considéré comme masque. Infine, c’est le logiciel IDL qui a été retenu, du fait de son aptitude à lire tous les formats des jeuxde données d’ozone, et pour la capacité à sortir des graphiques et des cartes lisibles et facilementutilisables.

2011 c© EUMETSAT.Ozone data provided by LATMOS/CNRS & ULB.

2011 c©MIPAS V4O_O3_202.

4.2 Échantillonnage des données EUMETSATLes données fournies par les différents laboratoires sont imposantes en taille. Par exemple,

la journée du 1er août 2008 représente 935 Mo pour Eumetsat, et 1,95 Go pour le LATMOS-ULB en mode compressé (plus de 7 Go en mode décompressé). Aussi, EUMETSAT retraiteses données régulièrement. Afin d’éviter une trop grosse quantité de données retraitées, il m’aété demandé d’établir le meilleur échantillonnage pour réduire cette quantité, et par la mêmeoccasion la taille des fichiers, sans pour autant nuire à la qualité des données.

4.2.1 ProcessusLe processus se déroule en 4 étapes. Celles-ci correspondent à la récupération des données,

à l’application d’un masque nuageux, de l’échantillonnage et de la répartition sur une grille.

30

1ère étape : récupération des données

La récupération des fichiers se fait journalièrement. Il y a entre 13 et 15 fichiers correspon-dant aux orbites par jour. L’annexe 5 au chapitre D explicite le code utilisé sur IDL pour lalecture des fichiers.

2ème étape : application du masque nuageux

Cette étape se fait naturellement. En effet, EUMETSAT dispose d’un masque nuageux trèsstrict où la moindre formation nuageuse annule le pixel et remplace la donnée par une constante.Il suffit alors de sauter le pixel à chaque fois que la constante apparaît.

4.2.2 Échantillonnage spatial3ème étape : Échantillonnage

La récupération des données fournit une matrice simple où la première colonne correspond àla latitude, la seconde à la longitude et les 4 colonnes suivantes aux colonnes d’ozone partielleset totale. Ainsi, l’échantillonnage s’est établi de la façon suivante : pour différentes valeurs de"sauts", certaines données seront omises. Tout d’abord, la référence de données, celle qui vacorrespondre à aucun écrémage, est quand le saut de ligne prend la valeur de 1 : toutes leslignes sont sélectionnées, l’échantillonnage est de plus forte densité. Ensuite, si le saut est dedeux, une valeurs sur 2 sera prélevées, ainsi de suite. Quant aux possibles valeurs intermédiairesentre 1 et 2, pour par exemple prendre deux lignes sur trois, le saut a été établi à 1,5 (1,25 et1,75 aussi pour se permettre d’affiner l’échantillonnage). Pour la sélection de la ligne, la valeurentière du saut est sélectionnée (voir tableau 4.1).

Valeur de la ligne i 1 2.5 4 5.5 7Ligne sélectionnée 1 2 4 5 7

TABLE 4.1 – Méthode d’échantillonnage spatial.

4ème étape : répartition sur grille

La grille a été choisie au format 1.4˚×1.4˚. Chaque point de latitude et longitude va alorscorrespondre à un carré de cette grille. C’est alors l’application d’une simple moyenne sur tousles points considérés qui va permettre l’obtention d’une valeur sur cette maille de grille.

Il y a, à ce moment, plusieurs remarques à faire. Par exemple, si l’on prend l’échantillonnagede 50%, le saut de 2, ce dernier s’effectue sur les données non grillées, mais il n’est pas forcéque la grille soit réduite de 50%, et heureusement. En un point de la grille, il y aura seulementmoins de points contribuant à la moyenne.

4.2.3 Échantillonnage temporelUne autre manière d’échantillonner les données est de sélectionner certains jours plutôt que

d’autres, de façon aléatoire ou non. Pour cela, on se base sur la totalité du mois et on prélève lesgrilles de chacunes des journées. Sur le même système que le tableau 4.1, au lieu de sélectionnerla ligne, le jour est sélectionné. Ainsi on obtient par exemple pour le sampling de 2 les jours 1,3, 5, 7, ..., 31. Puis l’échantillonnage obtenu est comparé avec la totalité du mois.

31

4.2.4 Statistiques et résultatsÉchantillonnage spatial

Si l’échantillonnage spatial se fait sur les données L2 issues d’EUMETSAT, les statistiquesquant à elles s’opèrent sur les données grillées. En effet, le nombre de points d’une journée estimportant, une réduction partielle des points n’influera pas la distribution statistique de manièreefficace, mais plutôt la distribution statistique de la grille issue de cet échantillonnage (le tempsde calcul est donc important).

L’un des tests d’hypothèses utilisé est le test de la loi de Student pour un grand échantillon,c’est-à-dire basé sur la loi normale. Pour cela, la valeur t (quantile) de deux échantillons x ety de tailles respectives n1 et n2 et d’écarts-types respectifs σ1 et σ2 est calculée suivant une loinormale via :

t =|x− y|σ

√n1n2

n1 + n2

où σ2 =σ21(n1 − 1) + σ2

2(n2 − 1)

n1 + n2 − 2

On peut alors ensuite affirmer, avec un risque (probabilité d’erreur) de 5% que la différence estseulement due au hasard si la valeur de t est inférieure à 1.96 (extension de la table de Student-Fisher aux grands échantillons, supérieurs à 30, c’est-à-dire extension à la loi normale.).

En se basant sur cela, pour une journée donnée, on regarde l’effet que l’échantillonnage a surla qualité des données. Il est évident que le résultat va dépendre de la journée sélectionnée, de sacouverture nuageuse plus ou moins présente, et aussi du caractère aléatoire de l’échantillonnage.Sur la figure 4.1 à gauche, le quantile t est représenté en fonction de l’échantillonnage pourdifférentes journées. Afin d’éviter une erreur significative sur ne serait-ce qu’une journée, il fautalors choisir la valeur maximale de l’échantillonnage. Bien que certaines journées autorisentun échantillonnage de 5 (une valeur sur 5), la plupart tourne autour de 2 ou 3. Au final, unéchantillonnage de 2 semble être le meilleur compromis entre une réduction des données (de50% sur le produit L2) et la conservation de la qualité des données une fois réparties sur grille(voir figure 4.2).

Ces calculs ont été faits à partir d’une grille de 1.4˚×1.4˚. Il est néanmoins intéressant d’ob-server ce qu’il en est pour une grille de 2.8125˚×2.8125˚. Dans la pratique, si on agrandit lagrille, nous avons plus de points qui contribuent à la moyenne du point de grille. Donc l’échan-tillonnage possible serait alors plus élevé. C’est ce que l’on observe sur la figure 4.1 à gaucheen bleu : la courbe représentant le quantile en fonction du sampling montre une pente beaucoupplus faible et dépasse alors le critère de 1.96 (en rouge) après la valeur de 8 (c’est-à-dire unevaleur sur 8).

32

FIGURE 4.1 – Echantillonnage spatial et temporel. À gauche, l’échantillonnage spatial. Àchaque trait correspond un jour (les 5 premiers jours du mois de septembre 2008), en noir pourune grille de 1.4˚×1.4˚ et en bleu pour une grille de 2.8125˚×8.125˚ (ici seulement 3 jours). Enrouge, la limite du critère de Student, à 1.96. À droite, l’échantillonnage temporel, sur le moisd’août 2008.

Échantillonnage temporel

Pour l’échantillonnage temporel, le même outil statistique que pour l’échantillonnage spatialest utilisé. Par exemple, pour l’échantillonnage 1.5, les grilles de 1.4˚×1.4˚ des 1er, 2nd, 4, 5, 7,8 jours du mois, ..., jusqu’au 30 ou 31 sont récupérées. Ces grilles sont moyennées pour n’enformer plus qu’une qui est ensuite comparée via la loi de Student avec la grille formée par tousles jours du mois.

Les résultats sont représentés sur la figure 4.1 à droite, où est représenté la valeur du quan-tile t en fonction de l’échantillonnage. Du fait que cet échantillonnage va beaucoup dépendrede la qualité des jours (par exemple, le 21 août 2008 n’a qu’une seule orbite disponible), nousn’obtenons pas une courbe strictement monotone, et si certains échantillonnages sont inférieursau critère après l’avoir dépassé, il est bon de ne retenir que la valeur avant cet écart. En l’occu-rence, ici, un échantillonnage de 2.5 semble être bon : la sélection pour le mois d’août 2008 desjours 1, 3, 6, 8, 11, 13, 16, 18, 21, 23, 26, 28 et 31 s’avère être suffisante pour garder les mêmescaractéristiques que si l’on avait choisi tous les jours du mois. La figure 4.3 représente sur cartecet échantillonnage en comparaison avec le mois total. Les différences sont peu nombreuses etl’ensemble correspond bien dans les deux cas. Cela correspond donc à une sélection de 2 jourssur 5.

Ce test n’a été effectué que sur l’unique mois d’août. Il est évident qu’il faudrait lancer cecalcul pour tous les mois de l’année afin d’en tirer une valeur d’échantillonnage valide pourtoute l’année.

De ce que l’on peut retenir, l’échantillonnage temporel semble être plus efficace que l’échan-tillonnage spatial. Il est, de plus, beaucoup plus pratique à effectuer de la part des fournisseursdes données d’EUMETSAT, car sans obligatoirement ouvrir et traiter les données d’une journée,il leur suffit de n’en sélectionner qu’une partie sur un mois.

De même, il serait intéressant pour de futures études de voir ce qu’il en est en couplant unéchantillonnage spatial avec un échantillonnage temporel, afin de réduire considérablement lesdonnées.

33

FIGURE 4.2 – Résultats de l’échantillonnage spatial sur carte. En haut, la journée complète du1er septembre 2008, et en bas, la même journée, mais avec un échantillonnage spatial de 2.Les différences sont difficilement observables. La couverture est moins importante sur l’échan-tillonnage de 2, sans être trop significatif.

34

FIGURE 4.3 – Résultats de l’échantillonnage temporel sur carte. En haut, les 31 jours du moisd’août 2008 sur grille moyennés, et en bas, 13 jours du même mois. Le pas d’échantillonnageest de 2.5, ce qui correspond aux jours suivants : 1, 3, 6, 8, 11, 13, 16, 18, 21, 23, 26, 28 et 31.On observe quelques différences minimes, les plus nombreuses au niveau des hautes latitudeset de la couverture nuageuse.

35

4.3 Confrontation aux données LATMOS-ULBLa confrontation aux données issues de l’extraction du LATMOS-ULB est importante. Non

seulement elle permet d’avoir un oeil critique sur l’extraction d’EUMETSAT, récemment im-plémentée, mais elle permet aussi de quantifier les erreurs d’EUMETSAT. En effet, ces derniersutilisent un réseau de neurones (voir section 6.3.1) pour remonter aux valeurs en ozone alorsque le LATMOS-ULB se base sur la méthode d’estimation optimale. À l’aide de cette méhode,le LATMOS-ULB quantifie son erreur. Ainsi, confronter EUMETSAT au LATMOS-ULB per-mettra d’estimer une erreur sur ce produit.

4.3.1 Lissage des données.Dans le but de comparer ce qui est comparable, les données du LATMOS-ULB ont été

fournies avec leur averaging kernels (AK). Il a été montré ([42]) qu’une comparaison directede profils d’ozone (ou tout autre variable atmosphérique) pouvait conduire à des résultats nonsatisfaisants. Ainsi, il faut procéder à un lissage des données.

Les AKs du LATMOS-ULB se présentent comme une matrice 40×40 (cf tableau 3.1), pourles 40 niveaux décrits. Il y a donc une matrice complète par point. Ensuite, à l’aide du profilapriori, il est possible d’obtenir le profil d’ozone lissé, qui sera à comparer avec les données duLATMOS-ULB. En effet, c’est aux profils d’EUMETSAT ou de tout autre jeu de données qu’ilfaut appliquer le lissage du LATMOS-ULB pour permettre la comparaison entre les deux.

Le lissage s’effectue en suivant l’équation suivante :

Xlissé = A ·Xr + (I40 − A) ·Xa

où Xr est le profil en colonnes partielles à lisser, A la matrice AK IASI et Xa le profil aprioriIASI, lui aussi en colonnes partielles. Il faut faire très attention aux unités, et penser à lesconvertir - ou non - au préalable.

Dans notre cas, les données d’EUMETSAT, qui vont etre comparées aux données LATMOS-ULB sont fournies en colonnes partielles, au nombre de 3 et une colonne totale. Il est doncimpossible d’utiliser le lissage. Les comparaisons seront alors directes. Ce n’est pas parfait, maiscela a du sens. Pour les colonnes totales, le contenu étant intégré, les différences de sensibilitédans les couches de l’atmosphère sont estompées.

4.3.2 Problème de pression...Les données fournies par EUMETSAT et qui sont à la base du travail sont en colonnes

partielles, plus exactement en kg/m2. Pour une meilleure clarté, ces données ont été convertiesen Dobson (facteur f de l’équation 3.3). Les données du LATMOS-ULB, quant à elles, sontfournies en ppm. Il faut donc utiliser la pression. Cependant, le LATMOS-ULB ne fournit pas lapression avec les concentrations. La conversion entre altitude et pression s’opère alors suivantl’équation 3.1. Cependant, cette équation est vrai en partie pour la troposphère, mais divergerapidement -mathématiquement parlant- au delà de 35 km. Ainsi, en me basant sur le travail dela NACA ([26]), l’équation de la pression

p(h) = 101325

(1− 0, 0065 · h · 103

288, 15

)5,255

Pa (4.1)

pour les premiers kilomètres est couplée avec

p(h) = p(ht) · exp(−h− ht

8.4

)(4.2)

36

à partir de la tropopause (ht), h étant en kilomètres. On procède alors à une sorte de lissage dela pression suivant son comportement logarithmique avec l’altitude.

Malheureusement, l’altitude de la tropopause varie avec la latitude, puis suivant les saisons.Ainsi, elle s’établit à 8km vers les pôles contre 18 aux équateurs. Elle sera plus élevée l’été parrapport à l’hiver. Le choix du kilométrage où s’établit la tropopause sur le profil d’ozone est trèsimportant. Comme le montre la figure 4.4, suivant le choix de la séparation des modèles de pres-sion, les histogrammes de valeurs de l’ozone vont beaucoup varier. Le tableau 4.2 regroupe les

FIGURE 4.4 – Histogrammes des données EUMETSAT et LATMOS-ULB pour différentes dé-finitions de l’altitude de la tropopause. En tirets sont disposés les moyennes. En pointillés ettraits pleins, les écarts types à 1 σ.

valeurs des moyennes et écarts types selon les différentes valeurs prises pour l’altitude de la tro-popause. Il est évident que cela ne reflète pas l’altitude de la véritable tropopause physique, maisplutôt une estimation mathématique correspondant au meilleur ajustement de l’équation qui estutilisée par la suite pour convertir les données du LATMOS-ULB. On peut constater l’actiondes deux différentes parties de l’équation sur l’histogramme des valeurs. Lorsque l’équation 4.1est dominante (figure en bas à droite de 4.4), on constate un étalage des valeurs de l’ozone surdes valeurs inférieures à celle d’Eumetsat, jusqu’à 100 Dobsons de différence. De plus, plutôtqu’un pic Gaussien naturel, ce sont 2 pics qui apparaissent. Le nouveau pic est plus étalé et in-tervient à 50 Dobsons du premier pic. Lorsque c’est au contraire la partie exponentielle 4.2 quidomine, le pic est Gaussien, plus étalé. Pour une tropopause située à 8 km, la moyenne d’ozonesur le globe est alors de 427.81 Dobsons.

Il a fallu en conséquence choisir le meilleur ajustement de pression et donc l’altitude de latropopause - mathématique - qui convenait le mieux. Il est évident que ce choix va dépendreaussi de la saison et des latitudes. Mais, pour des raisons de temps et de volumes de calculs,ce choix est fixé comme constant sur les 2 mois étudiés et sur toutes les latitudes : 19 km.

37

ht [km] x [Dobson] σ [Dobson] Nombre de pointsEUMETSAT / 284.59 23.74 181974

8 427.81 39.63 30276515 337.14 32.07 302765

LATMOS-ULB 19 282.33 34.21 30276520 271.12 36.33 30276530 233.90 47.42 302765

TABLE 4.2 – Statistiques suivant l’altitude de la tropopause ht mathématique pour le 1er sep-tembre 2009. Sont regroupés ici la moyenne x, l’écart-type σ, et le nombre de points utilisés.

Dès lors, l’équation de pression qui permet de transcrire les données du LATMOS-ULB enunités Dobsons est définie, tout en gardant en tête qu’on dispose ici d’une source d’erreur nonnégligeable.

4.3.3 Cas généralDans la partie qui suit, le code de couleur suivant est adopté : les données issues d’EUMETSAT

seront en noir, alors que celles provenant du LATMOS-ULB seront en rouge (à l’exception faitedes nuages de points où la courbe en rouge représente la courbe de régression linéaire associéeau nuage et des comparaisons entre données d’EUMETSAT). De même, les données issues deMIPAS seront en bleues et celles du CNRM en vertes.

J’utilise par la suite un code de couleur (figure 4.5). La table IDL 26 est utilisée pour lescartes représentant les valeurs réelles de l’ozone, pour les colonnes partielles et/ou totale. Latable IDL 33 est quant à elle utilisée pour les cartes représentant des différences d’ozone.

FIGURE 4.5 – Tables des couleurs utilisées : celle du haut (table IDL 26) correspond à unereprésentation directe des valeurs d’ozone (le plus souvent en Dobson, allant de 200 à 400Dobsons pour la colonne totale), et celle du bas (table IDL 33) correspondant à la différenceentre deux jeux de données, aussi en unité Dobson.

Pour faire une comparaison directe au premier abord, les couples [latitude,longitude] iden-tiques pour les données d’EUMETSAT et du LATMOS-ULB sont sélectionnés, puis on observela différence. Pour le 1er septembre 2008, la moyenne générale des données d’EUMETSAT pourla colonne totale est de 284.44 Dobsons et pour les données du LATMOS-ULB, 286.57, soitun écart relatif de +0.74%, ce qui est assez bon. Sur tout le mois de septembre, l’écart relatifabsolu moyenné est de 1.78% avec au maximum un écart de -5% pour le 22 septembre. Ce sontdes résultats très bons, qu’il faut coupler avec le fait que le choix de la hauteur de la tropopausen’y est pas étranger car ce choix s’est basé sur la moyenne globale.

Lorsqu’on regarde la figure 4.6, dont l’écart relatif est de +0.74%, on constate que les dif-férences se situent principalement près des pôles. En l’occurence, il y a un fort écart entre

38

les données EUMETSAT et LATMOS-ULB en dessous de -60˚ de latitude. Ces dernières sontnettement supérieures aux données d’EUMETSAT de l’ordre de 25%, alors qu’a contrario, EU-METSAT est supérieur à LATMOS-ULB d’environ 3% sur les latitudes supérieures à 60˚.

FIGURE 4.6 – Différence sur les points identiques des valeurs issues d’EUMETSAT et duLATMOS-ULB pour une journée (2008_09_01). Seuls les points possédant le couple [longi-tude,latitude] strictement identique ont été sélectionnés. En effet, les données provenant duLATMOS-ULB et d’EUMETSAT sont issues du même satellite, et donc les coordonnées de-vraient correspondre. Cependant, puisque les deux laboratoires procèdent à un retrieval différentet ont des flags nuageux variables, celles-ci peuvent varier.

On peut tracer les histogrammes des valeurs des colonnes totales d’ozone pour les deuxjeux de données. Pour la même journée que la figure 4.6, on observe bien sur la figure 4.7l’importante différence au niveau du pôle Sud. L’écart relatif de -25% entre EUMETSAT etLATMOS-ULB sur les latitudes inférieures à -60˚ tombe à -18% pour les latitudes inférieures à-45˚. Quant aux autres latitudes, la différence tourne autour de +4%.

Dès lors qu’on s’intéresse aux colonnes partielles plutôt que la colonne totale, là aussiquelques différences sont à noter. Pour ce qui concerne la colonne [0-6] km, on observe à partirde la figure 4.8 en haut à gauche une très faible variation des valeurs (qui tient aussi du fait queles valeurs elles-mêmes sont faibles). Cependant, l’écart relatif sur le globe est de -29% (diffé-rence de 6 Dobsons). Ensuite, la colonne [0-12] km (en haut à droite) commence à développerl’écart au niveau du pôle Sud alors que le reste correspond assez bien. Ici, l’écart relatif est de4% pour une différence de 1 Dobson. La colonne [0-18] km est très différente entre EUMET-SAT et LATMOS-ULB. Ici, les données LATMOS-ULB sont bien plus importantes, et ce, surla totalité du globe, l’écart relatif est très important : 75%. Enfin la colonne totale, identique àla figure 4.6 avec l’important écart au niveau du pôle Sud. De l’importante différence pour lacolonne [0-18] km, nous pouvons tirer une information sur le profil d’EUMETSAT par rapportà celui du LATMOS-ULB. En effet, entre 12 et 18 km, le profil d’ozone s’accroît bien plus ra-pidement pour les données du LATMOS-ULB par rapport à celles d’EUMETSAT. Nous avons

39

FIGURE 4.7 – Histogrammes des valeurs des colonnes totales d’ozone entre EUMETSAT (noir)et LATMOS-ULB (rouge) pour le 1er septembre 2008. En haut à gauche, sur la totalité du globe,à droite, pour les latitudes inférieures à -45˚, en bas à gauche, entre -45˚ et 45˚, et à droite, pourles latitudes supérieures à 45˚.

entre 12 et 18 km respectivement +47 Dobsons contre +13 pour la journée du 1er septembre2008, tendance qui se vérifie tout au long du mois. L’écart entre colonnes partielles peut trou-ver son origine dans l’équation de la pression. En effet, l’équation 4.1 utilisée peut mésestimerles ∆p de l’équation de conversion 3.3 par rapport à la réalité et donc surestimer les valeursd’ozone converties. Cela reste à vérifier en modifiant l’équation et en constant la répercussionsur la colonne [0-18] km.

En opérant une sélection de longitudes (ici entre 40˚ et 45˚) et en répartissant suivant lalatitude les valeurs d’ozone, on obtient la figure 4.10 où on constate l’écart existant sur lesbasses latitudes (au delà de -45˚). La colonne 0-18 km montre l’écart le plus important hors deslatitudes allant de -25˚ à 50˚. Seule la colonne totale est en accord sur les latitudes moyenneset supérieures. En effet, pour les colonnes partielles, les valeurs d’ozone d’EUMETSAT sontrarement comprises dans l’intervalle formé par les valeurs du LATMOS-ULB plus ou moinsl’erreur.

Dans le cadre où l’on sélectionne les valeurs d’ozone d’EUMETSAT correspondant auxvaleurs du LATMOS-ULB plus ou moins l’erreur, on montre que pour le 1er septembre 2008,un peu plus de 50% des valeurs sont retenues (exactement 52.5% pour ce jour-ci). La figure 4.11représente la différence entre EUMETSAT et le LATMOS-ULB pour ces 52.5%. On constateque la plupart des points situés au sud de -60˚ de latitude ont été évincés (en comparaison avecla figure 4.6). La figure 4.12 quant à elle représente l’histogramme des points correspondant àla carte 4.11.

40

FIGURE 4.8 – Cartes des différences entre EUMETSAT et LATMOS-ULB pour les 3 colonnespartielles et la colonne totale (valeurs allant de -50 à + 50 Dobson). En haut à gauche, la colonnepartielle [0-6] km. En haut à droite, la colonne partielle [0-12] km. En bas à gauche, la colonnepartielle [0-18] km puis enfin la colonne totale en bas à droite, similaire à la figure 4.6.

0-6 km 0-12 km 0-18 km Col. tot.Global Coeff. corr. 0.39 0.26 0.73 0.4957483 pts Coeff. dir. 0.39 0.28 2.23 0.53

Ord. origine 7.37 25.58 -34.43 128.57Lat [45˚,90˚] Coeff. corr. 0.34 0.48 0.79 0.8014526 pts Coeff. dir. 0.38 0.90 1.85 1.04

Ord. origine 8.56 9.51 -15.16 -30.16Lat [-45˚,45˚] Coeff. corr. 0.59 0.75 0.87 0.6833315 pts Coeff. dir. 0.70 1.22 2.02 0.85

Ord. origine -0.38 -15.20 -38.22 21.14Lat [-90˚,-45˚] Coeff. corr. 0.52 0.15 0.26 0.719642 pts Coeff. dir. 0.42 0.28 0.95 0.70

Ord. origine 8.22 39.55 79.63 119.08

TABLE 4.3 – Coefficients de corrélations, coefficients directeurs et ordonnées à l’origine as-sociés aux nuages de points de la figure 4.9, pour le 1er septembre 2008. On distingue assezfacilement les valeurs où la corrélation est faible (loin des latitudes moyennes).

41

FIGURE 4.9 – Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008.

42

FIGURE 4.10 – Sélection sur des longitudes comprises entre 40 et 45˚ des valeurs d’ozone selonles latitudes. En haut, pour les colonnes partielles [0-6], [0-12] et [0-18] km, en bas, sur toute lacolonne totale.

Conclusion à mi-parcours

En considérant le profil de pression comme constant sur la surface du globe, on procèdeà une forte simplification qui n’est pas satisfaisante pour établir l’erreur du produit EUMET-SAT. Puisque que la pression a été calculée à partir de la moyenne globale, les extrema etfluctuations présentent des erreurs importantes (comme c’est le cas pour les hautes latitudes).Afin d’améliorer l’estimation des données LATMOS-ULB, il est possible d’en sélectionner lespoints communs avec les données d’EUMETSAT et d’utiliser les profils de pression calculés àpartir des profils de température qui sont fournis par EUMETSAT. Les résultats sont présentésà partir de la section 4.4.

43

FIGURE 4.11 – Carte de la différence entre EUMETSAT et LATMOS-ULB (colonne totale au1er septembre 2008). Ici sont représentés uniquement les points où la colonne totale d’EUMET-SAT est comprise dans l’écart type de la colonne totale du LATMOS-ULB.

FIGURE 4.12 – Histogramme des points correspondant à la carte 4.11. La moyenne est d’environ+7.6 DU, soit un écart positif des valeurs d’EUMETSAT par rapport à celle du LATMOS-ULB,sur la sélection de points précédement évoquée.

44

4.3.4 Influence du jour et de la nuitL’idée, ici, est d’observer l’influence du jour et de la nuit. En effet, il est possible de sélec-

tionner les données du jour ou de la nuit selon l’angle zénithal solaire (voir la section 3.1.1 pourplus de détails). Ainsi, un angle zénithal solaire (SZA) inférieur à 90˚ correspond au jour aupoint de mesure tandis qu’un SZA supérieur à 90˚ équivaut à la nuit.

L’intérêt de faire une différence entre le jour et la nuit se trouve dans le contraste thermique(différence de temperature entre la surface et la première couche de l’atmosphere). Plus celui-ci est important, meilleures seront les informations sur les basses couches. Cela arrive plusparticulièrement pour les données jour et sur la terre à la différence des océans.

En regardant de plus près les données ainsi différenciées (figures 4.13, 4.15 et 4.16, qu’onpeut aussi comparer à la figure 4.9), on constate que les différences ne sont pas importantes(à l’exception de la colonne partielle 0-12 km sur la globalité de la surface). Cependant, laquantité importante de points nocturnes sur les basses latitudes tend à corroborer l’importancedes erreurs constatées sur les nuages points pour les premières colonnes partielles.

FIGURE 4.13 – Histogrammes des valeurs en ozone (Dobson) du 1er septembre 2008. En noir,les données EUMETSAT, en rouge, les données LATMOS-ULB. L’ordonnée correspond aunombre de points et non au pourcentage de points. Le graphique de gauche correspond à lajournée total, le graphique du milieu à une sélection des données jour, et le graphique à droite,aux données nuit.

Pour le 1er septembre 2008, la moyenne d’EUMETSAT de jour est de 287.22 Dobsonset en nuit, 280.29 Dobsons, soit par rapport à l’ensemble, respectivement +0.98% et -1.46%.Côté LATMOS-ULB, nous avons 278.37 Dobsons pour la journée, et 286.57 pour la nuit, soitrespectivement -1.40% et +1.50%. On peut constater que l’ensemble correspond à une moyenne(plus ou moins pondérée) des valeurs jour et nuit.

Sur la figure 4.14, à gauche sont représentées les cartes d’EUMETSAT en haut et du LATMOS-ULB en bas pour la journée du 1er septembre 2008. Les points ont été répartis sur une grille, eten se basant sur la même grille, on soustrait les données nuit aux données jour lorsque les pointsde grilles sont présents dans les deux cas. Cela donne les cartes sur la droite. On constate à pre-mière vue que les points de grille communs sont en nombre très inférieur pour EUMETSAT. Sil’ensemble du globe est plutôt compris entre -10 Dobsons et +10 Dobsons, on remarque ausside fortes fluctuations en dessous de -30˚ de latitude, surtout pour les données LATMOS-ULB(peu de points sont présents pour EUMETSAT).

Les données observées sur le tableau 4.5 et les figures 4.15, 4.16 montrent des coefficientsde corrélation assez mauvais dans la plupart des cas (la plupart inférieurs à 0.8). Cela ne vapas en faveur de l’usage d’un profil de pression constant sur le globe. C’est pourquoi dans lasection 4.4, le profil de pression d’EUMETSAT sera alors utilisé.

45

0-6 [km] 0-12 [km] 0-18 [km] Col. Tot.Ensemble 20.90/15.43 35.03/36.52 47.90/80.45 284.44/282.34Jour 21.56/15.93 35.96/36.68 48.92/77.43 287.22/278.39Nuit 19.80/14.88 33.43/36.34 46.17/83.68 280.29/286.57

TABLE 4.4 – Colonnes partielles et totale (en DU) du 1er septembre 2008 (en noir, EUMETSATet en rouge, LATMOS-ULB) et leurs séparations en données jour et nuit.

FIGURE 4.14 – À gauche, cartes EUMETSAT et LATMOS-ULB des valeurs en ozone du 1er

septembre 2008 (échelle de 200 à 400 Dobsons). À droite, cartes des différences entre le jour etla nuit (jour - nuit, pour une échelle de -50 à +50 Dobsons).

Dans la suite, la différence entre le jour et la nuit ne sera pas explicitée. Il serait néanmoinsintéressant d’effectuer a posteriori les mêmes calculs qu’ensuite en séparant le jour de la nuit,tout en gardant en tête que le nombre de points sera réduit de moitié.

46

FIGURE 4.15 – Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008 (JOUR)

47

FIGURE 4.16 – Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008 (NUIT).

48

DONNÉES JOURDONNÉES NUIT 0-6 km 0-12 km 0-18 km Col. tot.Global Coeff. corr. 0.39/0.41 0.50/0.01 0.89/0.59 0.67/0.3634214 pts Coeff. dir. 0.44/0.38 0.94/-0.05 2.47/2.13 0.81/0.4221791 pts Ord. origine 5.99/7.76 0.44/37.92 -53.60/-20.71 40.27/166.81Lat [45˚,90˚] Coeff. corr. 0.37/0.27 0.49/0.38 0.79/0.73 0.78/0.8111519 pts Coeff. dir. 0.40/0.27 0.85/1.04 1.82/1.89 1.03/1.062291 pts Ord. origine 8.21/10.87 11.18/3.19 -13.54/-20.54 -26.07/-33.44Lat [-45˚,45˚] Coeff. corr. 0.63/0.53 0.77/0.73 0.88/0.87 0.63/0.7420294 pts Coeff. dir. 0.76/0.64 1.24/1.22 1.98/2.06 0.79/0.8913021 pts Ord. origine -2.11/1.32 -16.54/-14.08 -37.61/-37.90 43.39/21.52Lat [-90˚,-45˚] Coeff. corr. 0.01/0.67 0.10/0.25 0.54/0.22 0.79/0.692401 pts Coeff. dir. 0.15/0.50 0.23/0.40 1.76/0.86 0.73/0.756479 pts Ord. origine 12.40/7.29 37.94/37.14 25.29/87.56 100.82/109.56

TABLE 4.5 – Coefficients de corrélations, coefficients directeurs et ordonnées à l’origine asso-ciés aux nuages de points de la figure 4.15 et 4.16, pour le 1er septembre 2008, séparé en donnéesjour (noir) et données nuit (bleu). On distingue assez facilement les valeurs où la corrélation estfaible (loin des latitudes moyennes).

49

4.3.5 Moyenne sur plusieurs joursCas de la couverture nuageuse

Les données d’EUMETSAT ont été préalablement masquées lorsqu’un nuage est présentdans l’IFOV. Le critère est très sélectif car aucun pixel ne doit être contaminé. Pour ce qui estdu LATMOS-ULB, le critère est moins contraignant. Afin de voir si cela a un effet, la moyennesur plusieurs jours permet de passer outre ces nuages et de continuer la comparaison.

En prenant les données sur plusieurs jours, on constate que la couverture nuageuse décroîtexponentiellement. La figure 4.17 le montre bien : nous arrivons à 95% du globe découvert dès5 jours moyennés, puis on dépasse 99% au-delà de 15 jours (contre 66% pour un jour). Les testsont été faits en variant les choix des premiers jours.

FIGURE 4.17 – Couverture nuageuse en fonction du nombre de jours moyennés. Les différentescourbes correspondent à différents jours de départ (1er août 2008, 15 août et 1er septembre). Dèsque la moyenne utilise plus de 5 jours, la fraction nuageuse devient inférieure à 5% du globe.

La figure 4.18 montre l’effet d’une sélection d’un grand nombre de jour. À gauche, le 1er

septembre 2008 seul, comme vu sur la figure 4.7, au centre, en prélevant les données des 15premiers jours, puis à droite, sur la totalité du mois. L’écart relatif est respectivement de 0.74%,0.71% et 1.78% pour la moyenne globale sur la colonne totale, les écart-types varieront entre25 et 30%. Nous avons donc une bonne correspondance sur le mois entier quant aux colonnestotales pour la moyenne alors que les écart-types montrent des disparités assez importantes.

FIGURE 4.18 – Histogrammes des valeurs sur un jour, 15 et 30, à partir du mois de septembre2008.

50

4.4 Nouvelle confrontation aux données LATMOS-ULBAfin de convertir en colonnes partielles les données du LATMOS-ULB, dans la section 4.3.2,

la procédure est explicitée où on établit un profil de pression commun à tous les points du globe.Basé sur une optimisation de la moyenne, cela conduit à des écarts importants aux niveaux desextrema. Nous avons pu le constater pour les hautes latitudes.

Dans le but d’améliorer la confrontation, on se base maintenant sur la pression telle qu’elleest fournie par EUMETSAT.

4.4.1 Récupération de la pression EUMETSATLes données du LATMOS-ULB sont réparties sur des niveaux d’altitude. La première valeur

en [ppm] correspond à la concentration en ozone entre les kilomètres 0 et 1, la seconde en 1 et2, etc. Cependant, EUMETSAT ne fournit pas directement le profil de pression nécessaire aucalcul de la conversion (voir l’équation 3.3). On dispose alors de la température sur des niveauxde pressions. Pour obtenir la pression en fonction de l’altitude, il faut alors procéder à plusieurscalculs.

Tout d’abord, on récupère l’altitude Z pour les différentes températures T suivant les ni-veaux de pression P :

Z = − R · TMair · g

· ln(P

P0

)Cette équation se base sur l’équation hydrostatique 3.2 où R est la constante des gaz parfait,Mair la masse moléculaire de l’air, g l’accélération de la pesanteur et P0 la pression à la surface,récupérée dans les données d’EUMETSAT. L’annexe D explicite les valeurs retenues et le codeutilisé pour la lecture de ces données.

On dispose maintenant de la température pour différentes altitudes. Cependant, celles-cine sont pas sur une répartition homogène kilométrique. Pour ce faire, on procède alors à uneinterpolation des valeurs sur les kilomètres 0, 1, 2, ..., 40 afin d’obtenir les températures T (Z)à ces altitudes.

Ainsi fait, on retourne l’équation précédente en :

P = P0 · exp(− Mair · gR · T (Z)

· Z)

et on obtient la pression aux altitudes désirées.

Lecture des données LATMOS-ULB

Dorénavant, il est possible d’améliorer le calcul des colonnes partielles et totales. Ici sontsélectionnés les couples [latitude, longitude] strictement identique afin de s’assurer que la pres-sion à ce point là sera correcte. Cela réduit considérablement les points qui serviront ensuitepour la comparaison.

Dans la lecture, on utilise une équation différente de l’équation 3.3. La raison se trouve dansle format des données LATMOS-ULB. En effet, la dernière valeur correspond à la concentrationentre 39 km et le TOA (Top Of Atmosphere) équivalent à une pression de 0,5 Pa. Dans lecalcul de la colonne présente à ce niveau, c’est une forte sous-estimation de la quantité d’ozoneprésente. Ainsi, pour améliorer au mieux le calcul, on procède à une étape supplémentaire. Lespressions et températures sur les niveaux d’altitudes sont calculées jusqu’à atteindre la pressionde 0,5, puis l’équation suivante est utilisée pour calculer la colonne :

51

dU [kg/m2] = ρg · dz= r · ρair · dz

= rcMO3

Mair

· ρair · dz

or P = ρairMair

RT

= rc ·MO3

Mair

· PMair

RTdz

= rc ·PMO3

RTdz

(4.3)

d’où, sachant que rc correspond à la fraction molaire,

dU [Dobson] = rc[ppb] · 10−9 · PMO3

RT· f · dz (4.4)

où nous disposons des profils de pression P et température T issus des données d’EUMET-SAT. Il s’agit en fait d’affiner le calcul. En effet, utilisée sur tous les niveaux d’altitudes, cetteexpression de la colonne d’ozone se sert du profil de pression ET du profil de température.

Le profil de température est donc nécessaire pour cette méthode, cependant, il n’est pasforcément disponible. Dans ce cas, comme l’annexe D le précise, le profil de température estimposé à une valeur fixe. Il est donc facile de sauter les points qui n’ont pas de profil de tem-pérature. Malheureusement, sur une journée, la séléction des points de latitudes et longitudesidentiques ne va pas donner∼18% du total des points, mais seulement∼1%. Il y a donc ici uneimportante réduction des points utilisés pour les statistiques.

4.4.2 Comparaison aux valeurs précédentesIl est intéressant d’effectuer une comparaison aux valeurs précédentes obtenues avec le profil

de pression constant sur tout le globe. Sur la figure 4.19 est représenté le dénombrement del’écart relatif pour la journée du 1er septembre 2008. Sur la totalité de la surface du globe,correspondant pour cette journée à 390 points, la moyenne de l’écart relatif est de -8,53%, avecun pic autour de +5%. De cela il est possible de considérer que même si les nouvelles donnéesLATMOS-ULB sont supérieures au niveau des colonnes totales en nombre important, des grosécarts subsistent où la colonne totale était très fortement surestimée. En regardant la courberouge qui est une sélection des points situés en dessous de 60˚S, on s’aperçoit que les écartsrelatifs sont exclusivement entre -50% et -20%. Le trou d’ozone en Antarctique, sous-estimépar la première version LATMOS-ULB, retrouve donc ses valeurs réelles. Ici, la moyenne del’écart relatif tombe à -34.39%, ce qui est très important.

Sur la figure 4.20, on voit l’effet d’un profil de pression différent sur les colonnes totalesd’ozone qui en seront déduites. Sur les latitudes basses et les hautes latitudes nord, la colonnetotale sera légèrement augmentée alors que pour les hautes latitudes sud, la colonne totale serafortement réduite.

On retrouve les valeurs dorénavant faibles d’ozone sur les colonnes totales des hautes lati-tudes sud sur la figure 4.21. Malgré la forte réduction du nombre de points (390 contre 146161),on distingue quelques similitudes au dessus de 60˚S. On voit se dessiner un trou au niveau del’Himalaya. Cela se confirme avec la figure 4.22 où 10 jours sont moyennés. La comparaisonau niveau de l’Antarctique (à droite) est flagrante.

Sur la figure 4.23 sont représentés les nuages de points correspondant aux données LATMOS-ULB des deux méthodes avec en texte les coefficients directeurs et ordonnées à l’origine. Sur

52

FIGURE 4.19 – Dénombrement de l’écart relatif entre les données LATMOS-ULB avec le profilde pression constant sur le globe et les données LATMOS-ULB avec le profil de pression issudes données EUMETSAT, le tout sur 390 points (voir 4.6). Le rouge correspond aux latitudesinférieures à 60˚S.

les 3 journées, on constate clairement une mauvais correspondance, les coefficients directeurssont très faibles. Pour les valeurs entre 250 et 300 DU, on observe un biais systématique (lestaches légèrement supérieures à l’unité), correspondant certainement aux valeurs moyennes. Cemême biais est observé sur la figure 4.19 avec les écarts-relatifs supérieurs à 0.

Les données LATMOS-ULB sont dorénavant corrigées et se rapprochent de la réalité quantaux hautes latitudes (spécialement au niveau du trou de la couche d’ozone). Il est maintenantpossible de les utiliser afin de premièrement, les confronter aux données EUMETSAT, et dansun second temps, d’estimer l’erreur du produit officiel.

53

FIGURE 4.20 – Pour deux points, observation du profil en [ppm] (courbe en haut à gauche), desprofils de pressions (suivant les calculs de la section précédente (voir l’équation 3.3) en noir,et l’équation 4.4 utilisée maintenant en rouge. Les résultats donnent les profils d’ozone suivantavec un écart de +9% pour le point de gauche [76.58,-91.67] et -53.46% pour le point de droite[-86.37,-156.08], situé en dessous de 60˚S.

FIGURE 4.21 – Comparaison sur cartes des valeurs du LATMOS-ULB avec l’ancienne méthodeà gauche, et la nouvelle à droite. Outre la réduction très importante du nombre de points, onconstate que la zone Antarctique est très inférieure à la première version, et semble dorénavantbien mieux consistante avec la réalité du trou dans la couche d’ozone.

54

FIGURE 4.22 – Comparaison sur cartes des valeurs du LATMOS-ULB avec l’ancienne méthodeen haut, et la nouvelle en bas. Ces cartes correspondent aux 10 premiers jours du mois deseptembre 2008.

FIGURE 4.23 – Sur les journées des 31 août, 1er et 2nd septembre, nuages de points entre lesdonnées LATMOS-ULB issues du premier calcul (L1) et du second calcul (L2).

55

4.4.3 Confrontation aux données EUMETSATAfin d’effectuer une comparaison avec les données d’EUMETSAT, les points correspon-

dant aux latitudes et longitudes identiques sont sélectionnés. D’environ 20 000, il n’en resteplus qu’environ 500 par jour. Cela est dû au fait des masques nuageux plus stricts réduisant ladisponibilité des profils de températures.

FIGURE 4.24 – Nuages de points entre les données d’EUMETSAT (en abscisse), et les don-nées du LATMOS-ULB (en ordonnées). La ligne du haut correspond à la première version duLATMOS-ULB alors que celle du bas correspond à la méthode utilisée dans cette section. Onconstate un net rapprochement des valeurs. Il s’agit ici d’environ 450 points pour les journéesdu 31 août, 1er et 2nd septembre.

Le tableau 4.6 regroupe les valeurs des coefficients directeurs et des ordonnées à l’originepropre à chaque jour, avec le nombre de points utilisés. Il y a une bonne correspondance desvaleurs, avec un coefficient de corrélation strictement supérieur à 0.75, et très souvent supérieurà 0.80 (moyenne de 0.82), les données sont donc fortement corrélées.

Afin de pouvoir comparer les cartes de points, 10 jours sont sélectionnés sur la figure 4.25.On observe bien les données LATMOS-ULB se rapprochant d’une considération vraie du troudans la couche d’ozone au niveau de l’Antarctique, avec des valeurs descendant jusqu’à 150Dobsons (ce qui n’est pas le cas d’EUMETSAT, voir chapitre 6). Les latitudes comprises entre30˚S et 30˚N correspondent très bien, on observe toutefois quelques différences au niveau del’Afrique, et au niveau de l’Himalaya.

Sur la figure 4.26, la figure de gauche montre les différences en Dobsons entre les donnéesd’EUMETSAT et les données LATMOS-ULB de la nouvelle version. La moyenne est de 11.40Dobsons, soit en relatif 4.09%. C’est une bonne correspondance sur ces points. Les moyennessont respectivement de 279.17 et 267.76 Dobsons. Côté écarts-types, l’écart-type d’EUMET-SAT est de 30.32 Dobsons alors que celui du LATMOS-ULB est de 38.35. Il est bien supérieur,et cela s’explique par ses valeurs plus étendues.

56

FIGURE 4.25 – Comparaison sur cartes des valeurs EUMETSAT (en haut) et LATMOS-ULB(en bas). Ces cartes correspondent aux 10 premiers jours du mois de septembre 2008. Peu depoints sont disponibles entre 30˚S et 60˚S, cependant, on observe une bonne correspondancesur le globe.

FIGURE 4.26 – Distributions statistiques des valeurs EUMETSAT et LATMOS-ULB. À gauche,différence entre les données EUMETSAT et LATMOS-ULB v2, avec une moyenne à 11 Dob-sons, soit +4%, au milieu, distribution statistique des valeurs entre ces mêmes données et àdroite, EUMETSAT corrigé selon son erreur estimée (voir la section 4.4.4).

57

Journées Coeff. dir. Ord. Ori. Coef. corr. N20080901 1.34 -114.91 0.83 39020080902 1.13 -46.21 0.79 47620080903 1.26 -85.69 0.83 46620080904 1.31 -98.78 0.80 50320080905 1.25 -82.36 0.79 58420080906 1.25 -81.46 0.88 39620080907 1.14 -51.58 0.89 32420080908 1.27 -91.14 0.87 42620080909 1.23 -76.05 0.87 46220080910 1.14 -52.28 0.84 46420080911 1.08 -36.03 0.81 41120080912 1.07 -28.78 0.80 54920080913 1.11 -40.36 0.83 43320080914 1.11 -39.26 0.85 50920080915 1.13 -44.13 0.77 43620080916 1.05 -22.30 0.78 49520080917 1.15 -49.02 0.82 46920080918 1.09 -31.20 0.76 43520080919 1.01 -11.64 0.80 47220080920 0.98 -1.33 0.80 50920080921 1.04 -17.51 0.78 52520080922 1.03 -16.90 0.76 98520080923 0.96 3.66 0.80 46620080924 1.01 -12.92 0.72 46020080925 0.91 16.72 0.74 35920080926 1.03 -15.12 0.74 40720080927 0.97 0.80 0.77 50420080928 0.83 10.02 0.74 50720080929 0.95 8.53 0.79 50420080930 0.91 19.18 0.72 505

x 1.12 -46.58 0.78 /

TABLE 4.6 – Tableau regroupant les coefficients directeurs, ordonnées à l’origine, coefficientsde corrélation et nombres de points correspondant aux nuages de points entre les données d’EU-METSAT et les nouvelles données LATMOS-ULB sur différents jours. C’est à partir de cesvaleurs qu’est calculée l’erreur d’EUMETSAT. La moyenne est basée sur toutes les valeurs dis-ponibles, c’est à dire du 15 août 2008 au 30 septembre (21 et 27 août exclus par manque devaleurs).

58

4.4.4 Estimation de l’erreur d’EUMETSATPour estimer l’erreur d’EUMETSAT, nous considérons les deux sources d’erreur évoquées :

la première est l’erreur du produit satellitaire, qui correspond à l’erreur σLAT fournie avec lesdonnées LATMOS-ULB, la seconde est l’erreur σdiff estimée de la différence entre les donnéesEUMETSAT et LATMOS-ULB. In fine, l’erreur d’EUMETSAT s’écrira selon :

σtot =√σ2diff + σ2

LAT

Afin d’améliorer la précision de l’erreur, celle-ci ne sera pas une valeur générale sur le globe,mais une valeur dépendant de la quantité d’ozone, c’est donc plutôt un profil d’erreur qui estfourni :

σtot(du) =√σ2diff (du) + σ2

LAT (du) (4.5)

Le tableau 4.7 représente les erreurs estimées des différents produits, le tout réparti selonun niveau non pas d’altitude, ni de pression, mais de colonne totale en Dobsons. La secondecolonne est l’erreur fournie par le LATMOS-ULB en Dobsons, moyenné sur les valeurs récu-pérées (de la seconde version) et selon la quantité d’ozone présente. La troisième colonne quantà elle représente l’erreur en Dobsons estimée à partir du coefficient directeur et de l’ordonnéeà l’origine du tableau 4.6. Très forte entre 100 et 150 Dobsons (donc conduisant à des erreursimportantes), elle se réduit jusqu’à passer la barrière des 10% après 200 Dobsons. Le minimumse trouve entre 360 et 370 où l’erreur entre les données LATMOS-ULB et EUMETSAT est laplus faible (en valeur absolue). Elle continue ensuite d’augmenter jusqu’à atteindre 3% à 500Dobsons.

Ensuite vient l’erreur totale en Dobsons, calculée à partir de l’équation 4.5, où les σ corres-pondent aux 2 colonnes précédentes. Ce calcul va prendre plus ou moins en compte l’erreur soitdu LATMOS-ULB, soit d’EUMETSAT. Lorsque cette dernière sera faible (vers 360 Dobsons),c’est donc l’erreur du LATMOS-ULB qui contribuera en grande partie à l’erreur. A contrario,pour les colonnes faibles, c’est bien l’erreur d’EUMETSAT qui sera la plus importante. Cela necorrespond qu’aux premières valeurs, car en effet, après 120 Dobsons, l’erreur d’EUMETSATtombe à des valeurs inférieures à 25%.

Le cas où l’erreur relative est la plus faible provient d’un minimum des deux erreurs LATMOS-ULB et EUMETSAT. Ce cas arrive vers 280 Dobsons, lorsque l’erreur du LATMOS-ULB estd’environ 7% et celle d’EUMETSAT de 4%. Cela conduit à une erreur sur le produit EUMET-SAT final de 27 Dobsons, soit de l’ordre de 12%. Les maxima quant à eux se trouvent dans lesextrèmes. L’erreur à 100 Dobsons est estimée à 42 DU et 45 DU à 500 Dobsons. Ces résultatssont imputables à l’erreur propre au LATMOS-ULB, qui est en moyenne de l’ordre de 8%, cequi correspond à ±22 Dobsons pour une moyenne de 270 DU. C’est donc l’importance de l’er-reur fournie par les données LATMOS-ULB qui conduira à des erreurs elles aussi importantessur les données EUMETSAT.

La figure 4.27 montre en pourcentage (à gauche) l’erreur du produit EUMETSAT (en noir)avec la combinaison des erreurs du LATMOS-ULB (en rouge) et la différence entre les deux(en bleu). L’erreur propre au LATMOS-ULB étant plus importante que l’erreur de la différence,c’est elle qui contribue en grande partie à l’erreur totale. Le minimum en % se trouve alors entre250 et 280 DU alors que le maximum se repète sur les extrema.

Dès lors, on peut corriger les données EUMETSAT avec le coefficient directeur et l’or-donnée à l’origine tirés du tableau 4.6. Le profil des valeurs est sur la figure 4.26, graphe dedroite, où ont été appliquées les corrections. Avant correction, la moyenne d’EUMETSAT étaitde 279.17 DU, celle du LATMOS-ULB, 267.76, pour un écart relatif de 4.09%. Après correc-tion, la moyenne d’EUMETSAT tombe à 268.56 DU, réduisant l’écart relatif à -0.30%. Il estaussi très intéressant de noter que l’écart-type quant à lui, passe de 30.32 DU à 34.05 DU. C’est

59

FIGURE 4.27 – Représentations des erreurs à partir du tableau 4.7. Sur la figure de gauche, enrouge est représentée l’erreur du LATMOS-ULB en %, fonction de la colonne d’ozone, en bleuest représentée l’erreur entre EUMETSAT et le LATMOS-ULB et enfin, en noir, l’erreur totaleen %. De cette erreur totale, on bâtit les barres d’erreur sur le profil d’ozone, figure de droite.

donc un étalage des valeurs qui intervient, les valeurs faibles seront plus faibles et les valeursfortes seront plus fortes (en moindre importance néanmoins). Le chapitre 6 parle plus en détailsde la possibilité que les données EUMETSAT souffrent d’une surestimation globale et/ou d’unresserrage des valeurs. Ici, estimer l’erreur via les données LATMOS-ULB permet de corrigercet écart existant.

60

Col. tot. [DU] Erreur [DU] Erreur [DU] Erreur [DU] Erreur [%]LATMOS-ULB EUMETSAT Totale Totale

100 NaN* 34.21 42.38 42.38120 25.71 31.74 40.84 34.04140 27.05 29.27 39.85 28.47160 28.25 26.79 38.93 24.33180 28.22 24.32 37.25 20.70200 26.67 21.85 34.47 17.24220 25.77 19.37 32.24 14.66240 22.34 16.90 28.01 11.67260 20.68 14.43 25.22 9.70280 22.11 11.95 25.13 8.98300 24.92 9.48 26.66 8.89320 25.95 7.01 26.88 8.40340 26.71 4.53 27.09 7.97360 27.53 2.06 27.60 7.67380 28.33 0.41 28.33 7.45400 29.44 2.89 29.58 7.39420 30.37 5.36 30.84 7.34440 31.91 7.83 32.85 7.47460 32.85 10.31 34.43 7.48480 37.80 12.78 39.90 8.31500 42.64 15.25 45.28 9.08x 21.20 14.45 27.42 11.81

TABLE 4.7 – Erreur estimée d’EUMETSAT à partir de l’erreur observée avec les donnéesLATMOS-ULB. La deuxième colonne correspond à l’erreur des données LATMOS-ULB, latroisième colonne correspond à l’erreur des données EUMETSAT par rapport aux donnéesLATMOS-ULB, la quatrième colonne correspond à l’équation 4.5, c’est-à-dire l’erreur totale,et la cinquième colonne correspond à l’erreur totale relative. (* : l’absence de valeur entre 95 et105 Dobsons explique le Not a Number, qui sera assimilé à la valeur moyenne pour le calcul del’erreur).

61

4.5 Confrontation aux données MIPAS

4.5.1 Cas général : absence des colonnes partiellesL’instrument MIPAS est un spectromètre utilisé pour la mesure en haute résolution des

émissions spectrales gazeuses au limbe terrestre. Il surveille ainsi l’ozone dans la stratosphère.Dans son cas, une comparaison pour l’ozone troposphérique est caduque. Comme il a été vudans la section 3.2.3, il existe un flag de visibilité exprimant s’il est possible d’obtenir la valeuren concentration d’ozone. Bien souvent, l’ozone n’est pas disponible pour la première colonnepartielle et la seconde, voire la troisième. Ainsi, les colonnes totales se font sur toutes les valeursrestantes.

À l’aide de la figure 4.28, on constate que les valeurs faibles extrèmes apparaissent surtoutlorsque les colonnes partielles [0-6] et [0-12] sont absentes. Dès qu’on ne considère que lespoints où au moins sont présents les colonnes [0-12] (et donc [0-18] et total), les moyennes etécarts types se resserrent autour des valeurs d’EUMETSAT.

FIGURE 4.28 – Au 1er septembre 2008, distribution statistique des valeurs des colonnes totalesd’ozone en rouge pour MIPAS et en noir pour EUMETSAT. En bas, sur la totalité des points,au milieu, lorsque la colonne partielle [0-18] est présente, en haut, lorsque la colonne partielle[0-12] est présente. Le cas où la colonne partielle [0-6] est présente n’a pas été représentée carelle comporte moins d’une dizaine de points.

Sur la figure 4.29 sont représentées les colonnes totales en fonction de la latitude. Onconstate un biais systématique (figure du haut) qui s’explique par la colonne partielle [0-6]km majoritairement absente des données. Par exemple, pour le 1er septembre 2008, seuls 1.5%des points disposent de valeurs entre 0 et 6 km. Sur la figure du bas, on retranche à EUMETSATla première colonne partielle. On constate alors un net rapprochement pour les valeurs éloignées

62

des pôles.Dès lors qu’on considère la colonne totale, l’écart entre EUMETSAT et MIPAS est de

l’ordre de 15%. Par contre, si l’on ne sélectionne que les données de MIPAS existant sur les pre-mières colonnes partielles ou alors qu’on ôte à EUMETSAT ses premières colonnes partielles,la correspondance devient bonne, de l’ordre de 3.5% (pour le 1er septembre par exemple, il enest de même pour la plupart des jours des mois d’août et septembre). On retrouve bien le faitque l’instrument MIPAS observe aux limbes et donc sa capacité à voir les premièrs kilomètresest très réduites.

FIGURE 4.29 – Sélection sur une longitude de la colonne totale en fonction de la latitude.Figure du haut, les valeurs sont prises telles quelles, alors que sur la figure du bas, on ajoute auxdonnées MIPAS les colonnes partielles [0-6] km d’EUMETSAT correspondantes.

4.5.2 Moyenne sur août et septembre 2008En moyennant sur les deux mois d’août et septembre, les résultats sont sensiblement simi-

laire. Le tableau 4.8 récapitule les résultats obtenus. De même, on procède à une sélection despoints qui présentent ou non des colonnes partielles. Pour la première colonne, tous les pointssont sélectionnés et l’écart est important (supérieur à 10%). Pour la seconde, ce sont les pointsqui montrent au moins une colonne [0-18] km. Ici, l’écart tombe à -5.65%. De même, dans lecas où la colonne [0-12] km est présente, l’écart tombe à -1.11%. Par contre, si l’on sélectionnelà où toutes les colonnes partielles sont présentes, on obtient -5.57%. En fait, le nombre depoint est très faible, ce qui fait que même moyennés sur 2 mois, le nombre de points n’est passuffisante pour une statistique valide.

Aussi, lorsque la colonne [0-18] km est présente, mais pas les colonnes inférieures, ce n’estpas la colonne [0-18] km que l’on regarde, mais plutôt la colonne [12-18] km. [0-12] seraitalors [6-12] km toujours dans le cas où [0-6] km est absente. C’est pourquoi il n’est pas senséd’étudier en détails les colonnes partielles. Cela est appuyé par le nombre de points sur unejournée, représentée par la figure 4.30.

On constate, comme pour les autres jeux de données, que la colonne totale au niveau deshautes latitudes (<-60˚) est faible. Cependant, ici, en sélectionnant les points inférieurs à -60˚,on constate que beaucoup ont leurs premières colonnes partielles absentes, ce qui contribue à lafaiblesse des valeurs des colonnes totales (comme on a pu le voir sur la figure 4.28).

63

x x x xEUMETSAT 275.72 275.72 275.72 279.36

MIPAS 245.68 260.12 272.66 263.80∆ -10.90% -5.66% -1.11% -5.57%

TABLE 4.8 – Écarts sur les moyennes totales des colonnes totales sur les 2 mois d’août etseptembre 2008. À gauche, sélection de tous les points, ensuite, sélection où [0-18] km 6= 0,sélection où [0-12] km 6= 0 et enfin sélection où [0-6] km 6= 0. Seuls les jours communs entreEUMETSAT et MIPAS ont été sélectionnés (absence de 3 jours par mois environ). La dernièremoyenne d’EUMETSAT diffère car certains jours de MIPAS ne disposent pas de la colonne[0-6] km.

FIGURE 4.30 – Carte de la colonne totale d’ozone (DU) issue d’une journée de données MIPAS.Le nombre de points est pour cette journée du 1er septembre 2008 est de 2318, dont 35 disposentd’une colonne [0-6] km, 1257 d’une colonne [0-12] km et 2108 d’une colonne [0-18]km.

64

4.6 Sortie de Niveau 3La transformation des données en données de Niveau 3 quant à la répartition sur grille se

fait assez facilement. Le programme fait tourner 2 boucles, l’une sur les latitudes et l’autre surles longitudes. À chaque point de grille, on recherche quels sont les points qui satisferaient lesconditions suivantes :

∀(i, j) ∈ ([−90, 90], [−180, 180]),

{i− pas/2 < latitude ≤ i+ pas/2j − pas/2 < longitude ≤ j + pas/2

C’est une manière assez basique de répartir sur une grille. Il existe en effet des grilles pluscomplexes qui permettent par exemple, de réduire le nombre de mailles sur les hautes latitudes(voir section 2.2.2). Ici, le choix s’est porté sur 2 types de grille : 1.4˚ et 2.8125˚. La plupartdes modèles climatiques se font sur une grille de 2.8125˚ mais la tendance est à l’heure actuelled’affiner la précision des données, en les répartissant sur une grille de 1.4˚, d’où l’utilisationpour les comparaisons précédentes et suivantes de ce pas de grille.

Dès lors, il est possible de juger quelle est l’erreur occasionnée par ce passage à une grille.La figure 4.31 montre pour la colonne totale les histogrammes des valeurs d’EUMETSAT duproduit L2 en comparaison avec la grille de 1.4˚ et 2.8125˚. La différence avec le produit L2s’accroît lorsque la grille se fait avec un pas plus important. Cependant, en regardant le ta-bleau 4.9, les variations sont faibles pour la moyenne (inférieures à 5%) et pour l’écart-type(inférieures à 20%).

FIGURE 4.31 – Distributions statistiques des valeurs de colonnes totales d’EUMETSAT issuesdes produits de niveaux 2 (en noir) en comparaison avec la répartition sur grille (en rouge). Àgauche, sur une grille de 1.4˚×1.4˚et à droite, sur une grille de 2.8125˚×2.8125˚. Les valeurssont en pourcentage du nombre total de points valides (ie les points où il n’y a pas de données,-999, ont été omis).

Sur tout le mois de septembre 2008, l’écart relatif entre la moyenne de la colonne totaled’EUMETSAT et sa version posée sur une grille de 1.4˚×1.4˚ est de 1.13%. Son maximum estde 1.26% pour le 14 septembre. L’écart relatif étant toujours positif, on peut dire qu’établir lesdonnées d’EUMETSAT sur une grille, ici de 1.4˚×1.4˚, surestime de façon permanente d’unevaleur de 1.13% sur le mois de septembre. En prolongeant le même raisonnement avec le moisd’août 2008, on tombe à 1.05%. L’approximation de +1% semble valide pour la répartition surgrille.

Quant aux colonnes partielles, sur les mois d’août et septembre 2008, les écart relatifs sontde : 2.40% pour la colonne [0-6] km, 0.54% pour la colonne [0-12] km et 3.38% pour la colonne

65

EUMETSAT [Dobson] L2 1.4˚×1.4˚ 2.8125˚×2.8125˚Colonne [0-6] km x 20.90 20.32 (-2.75%) 20.08 (-3.88%)

σ 5.06 5.27 (+4.11%) 5.31 (+4.94%)Colonne [0-12] km x 35.03 34.73 (-0.85%) 34.58 (-1.28%)

σ 6.27 6.58 (+5.08%) 6.64 (+5.97%)Colonne [0-18] km x 47.90 49.18 (+2.66%) 49.68 (+3.70%)

σ 10.45 11.12 (+6.40%) 11.28 (+8.02%)Colonne totale x 284.44 285.89 (+0.51%) 286.66 (+0.78%)

σ 23.86 27.15 (+13.78%) 28.06 (+17.61%)

TABLE 4.9 – Sur la journée du 1er septembre 2008, valeurs des colonnes partielles et totalesd’ozone suivant la répartition ou non sur grille, de 1.4˚×1.4˚et 2.8125˚×2.8125˚.

[0-18] km. Les résultats sont tous inférieurs à 5%, c’est pourquoi dorénavant, on considère larépartition sur grille du produit L2 d’EUMETSAT comme validée pour la comparaison avec lessorties de modèles.

66

FIGURE 4.32 – Cartes Eumetsat non réparti sur une grille (en haut) et Eumetsat sur une grillede 1.4˚×1.4˚ à gauche et 2.8125˚×2.8125˚ à droite. Afin d’observer au mieux les similitudes, lagrille graphique est identique pour les 3 cas et correspond à la plus grande, c’est à dire celle de2.8125˚. Les différences ne sont pas significatives. Il s’agit alors d’une réduction de finesse quis’opère en agrandissant le pas de la grille.

67

Chapitre 5

Confrontation aux sorties de modèles :CNRM

5.1 GénéralitésLa comparaison entre les données d’EUMETSAT et les sorties de modèles se font sur la

base de données de niveau 2 et niveau 3. Ainsi, ici sont traitées les données d’abord "basique",c’est-à-dire non modifiées, puis ensuite celles qui sont moyennées sur un temps (un jour ouplus, jusqu’à un mois), et réparties sur une grille de taille choisie (1.4˚×1.4˚par exemple).

Pour effectuer les comparaisons, deux logiciels ont été sélectionnés :– IDL– CDO (Climate Data Operators)

CDO est une collection de lignes de commandes qui permet la manipulation et l’analyse dedonnées climatiques et numériques pour la prévision du temps. Mis au point au Max PlanckInstitute für Meteorologie, il est apte à lire les formats NetCDF 3/4, GRIB 1/2 incluant lescompressions SZIP, JPEG et enfin les IO-formats. CDO nécessite qu’une petite quantité demémoire alors qu’il peut traiter des fichiers dont la taille dépasse la mémoire physique.

Dans un premier temps, seuls les mois d’août et septembre 2008 ont été sujets à la confron-tation. Ces mois-ci sont caractérisés par la présence du trou dans la couche d’ozone au-dessusde l’Antarctique (voir figure 5.9). Il est alors intéressant d’observer la modélisation (CNRM) etl’observation (EUMETSAT) sur ce cas, donc sur ces 2 mois.

5.2 RésultatsLorsqu’on considère la globalité de la surface de la Terre, dont les valeurs nettement infé-

rieures à 200 Dobsons du CNRM, on obtient pour la colonne totale une moyenne de 269.97Dobsons contre 285.89 pour EUMETSAT, soit un ∆ de -5.57%, ce qui reste inférieur à 10%.Pour l’écart-type, il est de 50.02 pour le CNRM contre 27.15 pour EUMETSAT. Là, la diffé-rence est bien plus importante (+84.24%). Cela se voit sur la figure 5.2 où la dispersion estnettement supérieure.

Dans le cas où l’on réduit la zone aux latitudes supérieures à -60˚, en omettant ainsi l’Antarc-tique et ses fluctuations importantes, on obtient une moyenne de 284.71 Dobsons contre 292.41pour EUMETSAT, soit un ∆ de -2.63% et pour l’écart-type respectivement 34.63 et 22.12 pourune variation de -56.53%. On réduit quasiment de moitié la variation de la dispersion.

Le tableau 5.1 résume ces valeurs pour le 1er septembre 2008. La grille retenue ici pourEUMETSAT est celle de 1.4˚×1.4˚. Comme on l’a vu précédement, un passage à une grille de2.8125˚×2.8125˚donnera sensiblement les mêmes résultats (voir le tableau 4.9).

68

FIGURE 5.1 – Carte des données CNRM du 1er septembre 2008. On constate un grand fossé auniveau des valeurs en dessous de -60˚de latitude.

On peut aussi s’intéresser à la colonne totale d’ozone suivant les latitudes. Pour cela, unecoupe est effectuée. En prenant chaque valeur de latitude de la grille du CNRM, on moyennel’ensemble des valeurs d’ozone sur toutes les longitudes. Ensuite, les points les plus proches surla grille d’EUMETSAT sont récupérés et moyennés par la même méthode. Le résultat est donnésur la figure 5.8. À l’aide de la courbe en rouge exprimant le pourcentage de différence, onconstate qu’une grande partie des latitudes correspondent à moins de 10% d’erreur. Cependant,on remarque aussi la différence qui s’accentue fortement aux fortes latitudes, jusqu’à 30%.

Aussi, en reproduisant les mêmes statistiques à l’aide des données d’EUMETSAT disposéessur une grille de 2.8125˚×2.8125˚, on retrouve l’erreur très minime existante entre la grille de1.4˚ et celle de 2.8125˚. Par exemple, les erreurs relatives de la moyenne de la colonne totaleseront augmentées d’environ 0.25% comme c’est le cas entre la moyenne de la grille de 1.4˚et 2.8125˚(différence 0.78%-0.51% sur le tableau 4.9). On peut donc considérer l’influence duchoix du pas de grille d’EUMETSAT comme négligeable dans la confrontation avec les donnéesdu CNRM.

Un regard rapide sur tous les jeux de données.

Maintenant que tous les données issues de différentes sources ont été lues, on peut regardercomment se comporte la moyenne journalière pour celles-ci. La figure 5.4 rassemble ces valeurssur un même graphique, avec les conventions de couleur respectées. Entre début août 2008 etfin septembre 2008, la moyenne globale de l’ozone décroît sensiblement, passant pour EU-METSAT de 292.87 Dobsons à 276.88, une chute de 5.46%.. Cela est vérifié par EUMETSAT,le LATMOS-ULB et le CNRM alors que les données MIPAS semblent plutôt constante.

Ces dernières montrent une chute récurrente avant l’absence de données pour un jour. Celas’explique en regardant les tableaux des données du satellite (voir 3.2.3). En effet, le jour pré-

69

FIGURE 5.2 – Distributions statistiques des valeurs en colonne totale d’ozone au 1er septembre2008 pour les données d’EUMETSAT (en noir) sur grille et celles du CNRM (en vert). À gaucheest représenté la globalité des données, alors qu’à droite, une sélection des latitudes supérieuresà -60˚a été faite pour constater l’importance de la zone Antarctique dans les données du CNRM(voir aussi 5.1).

[Dobson] EUMETSAT 1.4 CNRMColonne [0-6] km x 20.32/21.88 16.73 (-17.66%)/16.98 (-22.40%)

σ 5.27/3.59 1.98 (-62.36%)/2.00 (-44.28%)Colonne [0-12] km x 34.73/36.56 36.49 (+4.95%)/35.21 (-3.68%)

σ 6.58/4.86 12.51 (+90.03%)/11.97 (+146.48%)Colonne [0-18] km x 49.18/49.71 73.26 (+48.97%)/66.28 (+33.35%)

σ 11.12/11.60 39.22 (+252.78%)/36.56 (+215.32%)Colonne totale x 285.89/292.41 269.97 (-5.57%)/284.71 (-2.63%)

σ 27.15/22.12 50.02 (+84.24%)/34.63 (+56.53%)

TABLE 5.1 – Sur la journée du 1er septembre 2008, valeurs des colonnes partielles et totalesd’ozone suivant la répartition ou non sur grille, de 1.4˚×1.4˚et 2.8125˚×2.8125˚. En noir, lesvaleurs correspondant à la totalité du globe. En rouge, uniquement les latitudes supérieures à-60˚.

cédant une absence est souvent moins couvert que le reste (entre 25% et 75% contre >75% lereste du temps). La grille d’EUMETSAT montre un biais constant surestimant de 2 à 4 Dob-sons les valeurs non-grillées que l’on a déjà observé dans la section 4.6. Il est aussi intéressantde constater que l’écart entre les données d’EUMETSAT et celles du CNRM, de l’ordre de5%, reste constant sur les 2 mois et la différence entre les extrèmes est identiques, le CNRMchute lui aussi d’environ 6% entre début août et fin septembre. A contrario, les données duLATMOS-ULB (disponibles seulement à partir du 14 août) sont légèrement supérieures à cellesd’EUMETSAT avant de décroître légèrement plus rapidement. L’écart relatif varie donc entre+3.24% et -5.01%.

Par la suite, on s’intéresse de nouveau à la confrontation entre les données d’EUMETSATet du CNRM uniquement.

70

FIGURE 5.3 – Colonne totale d’ozone au 1er septembre 2008 sur toutes les latitudes. En noir, lesvaleurs d’EUMETSAT, en vert, les valeurs du CNRM, et en rouge, le pourcentage de différenceentre les deux (échelle à droite).

FIGURE 5.4 – Représentation de la moyenne journalière des données d’EUMETSAT (noir),d’EUMETSAT sur grille (noir, tirets), du LATMOS-ULB (rouge), de MIPAS (bleu) et duCNRM (vert).

71

5.3 Cas du trou de la couche d’ozoneIl est intéressant de se pencher sur le cas du trou de la couche d’ozone. En effet, l’apparition

-ou plutôt la disparition d’une forte quantité d’ozone au niveau de l’Antarctique dépend denombreux phénomènes. Les PSCs, les rejets de polluants, les courants marins ont tous uneaction plus ou moins importante.

Le 25 août 2008 est apparu au dessus de l’Antarctique le phénomène qu’on appelle troudans la couche d’ozone. La colonne totale d’ozone est descendue à moins de 220 Dobsons.

Ici, l’intérêt se porte sur la représentation sur modèle du trou, en comparaison avec lesdonnées d’EUMETSAT. Pour cela, le mois d’août du CNRM est sélectionné ainsi que la zonequi va de -90˚ à -60˚ en latitude et de -90˚ à 0˚ en longitude.

Comme on peut le voir sur les figures 5.1 et 5.5, les valeurs de la colonne totale d’ozoneau niveau du pôle Sud sont très inférieures à 220 Dobsons, la limite subjective en dessous delaquelle on considère avoir à faire à un trou dans la couche d’ozone.

FIGURE 5.5 – Carte orthographique ciblant le pôle Sud où la colonne totale d’ozone est trèsinférieure à la limite de 220 Dobsons, en dessous de laquelle on considère qu’il s’agit d’un troudans la couche d’ozone.

Pour constater l’action de l’apparition du trou dans les données, on sélectionne les jours desmois d’août correspondant et on observe la baisse relative dans la zone concernée. Comme onpeut le voir sur la figure 5.6, les données d’EUMETSAT diminuent de 14% alors que les donnéesdu CNRM diminuent de 46%. Les différences entre le CNRM et EUMETSAT au niveau dela zone Antarctique sont de l’ordre de 20% (contre 5% sur la globalité de la surface). Cesvaleurs se retrouvent sur la totalité des 2 mois étudiés (août et septembre 2008). Les valeursd’EUMETSAT surestiment la quantité d’ozone par rapport au modèle. Il serait alors intéressantde connaître l’effet de ces 20% dans la chimie stratosphérique au niveau de l’Antarctique et sesrépercussions sur le climat global.

72

FIGURE 5.6 – Colonne totale entre [-90˚,-60˚] en latitude et [-90˚,0˚] en longitude, ciblée sur lazone Antarctique. Sont représentées en pointillés les moyennes avant et après le 24 août, dated’apparition du trou de la couche d’ozone et les valeurs des chutes. EUMETSAT chute de 14%alors que le CNRM chute de 46%.

73

5.4 Moyenne sur plusieurs joursDans le cadre où l’on veut recouvrir toute la surface du globe, on peut prendre les données

d’EUMETSAT issues de plusieurs jours, consécutifs ou non, afin de les comparer avec cesmêmes périodes pour les données du CNRM.

Tout d’abord, on peut observer les histogrammes des valeurs d’ozone correspondant. Sur lafigure 5.7, on se base sur 1 jour, 5 jours, 10 jours et 31 jours. Les variations de moyennes etécarts-types sont compilées dans le tableau 5.2. On constate que la variation décroît lorsqu’onaugmente le nombre de jours utilisés pour la moyenne générale. On passe de -3.28% pourune journée (10 Dobsons) à -2.81% pour le mois complet (7 Dobsons). Cependant, du côtéde l’écart-type, celui-ci ne suit pas de schéma particulier. Il oscille autour de +25%, ce quicorrespond à ∼+5 Dobsons (pour un écart-type moyen de 23 Dobsons). On peut expliquer celapar le fait que la répartition des valeurs du CNRM ne suit pas une Gaussienne (voir la figure 5.8).

1 (01/08/2008) 1-5 1-10 1-15 1-25 1-31∆x -6.37% -6.38% -6.52% -6.43% -6.33% -6.25%∆σ +57.59% +49.63% +52.42% +57.10% +67.01% +73.97%

1 (01/09/2008) 1-5 1-10 1-15 1-25 1-31∆x -5.57% -5.97% -6.21% -6.36% -6.73% -6.92%∆σ +84.24% +86.60% +86.80% +85.36% +80.61% +82.03%

TABLE 5.2 – Variations entre les moyennes d’EUMETSAT et du CNRM en pourcentage surune journée, 5, 10, 15, 25 et 31, soit tout le mois d’août 2008. Puis même chose sur tout le moisde septembre de la même année.

1 (01/08/2008) 1-5 1-10 1-15 1-25 1-31∆x -3.28% -3.14% -3.12% -3.02% -2.88% -2.81%∆σ +27.15% +21.15% +19.38% +21.22% +27.29% +33.24%

1 (01/09/2008) 1-5 1-10 1-15 1-25 1-30∆x -2.63% -2.39% -2.51% -2.54% -2.38% -2.32%∆σ +56.53% +50.18% +52.10% +53.84% +46.90% +46.30%

TABLE 5.3 – Même tableau que 5.2, mais avec les hautes latitudes (<-60˚) ôtées.

En se basant sur les 2 mois complets, août et septembre 2008, l’écart relatif est de -2.57%pour la moyenne et de +40.11% pour l’écart-type, dans le cas où les latitudes inférieures à60˚ sont omises. Dans le cas contraire, ces mêmes statistiques sont respectivement -6.59% et+78.78%. Cela montre bien l’importance des hautes latitudes dans les résultats observés allantjusqu’à doubler l’erreur sur le reste du globe.

De même que dans la partie 5.2 où l’on opère sur les latitudes, on peut voir quelle est lavariation des différences suivant le nombre de jours sélectionnés pour faire la moyenne. Celle-ci s’avère être plutôt constante. Comme on peut le voir sur la figure 5.8, le pourcentage d’erreuroscille entre 7 et 7.5%, ce qui est inférieur à 10%. Elle est meilleure pour les basses latitudesalors que pour les hautes latitudes, elle varie entre 20 et 30%. On retrouve alors les valeursfaibles du CNRM pour les hautes latitudes : sans celles-ci, le pourcentage d’erreur oscillerait endessous de 5%.

74

FIGURE 5.7 – Distributions statistiques sur différents jours moyennés en grille de 1.4˚ pourEUMETSAT et pour les données du CNRM. En haut à gauche : le 1er août 2008, en haut àdroite, du 1er au 5 août, en bas à gauche, du 1er au 10 et en bas à droite, du 1er au 31.

FIGURE 5.8 – Colonne totale d’ozone pour tout le mois d’août 2008 sur toutes les latitudes.En noir, les valeurs d’EUMETSAT, en vert, les valeurs du CNRM, et en rouge, le pourcentagede différence entre les deux (échelle à droite). La moyenne de ces pourcentages d’erreur estaffichée (7.14798% pour 31 jours moyennés).

75

5.5 Et sur plusieurs mois...La plupart des comparaisons produites jusqu’ici se sont faites sur les mois d’août et sep-

tembre 2008. Or, comme le montre la figure 5.9, le déficit en ozone est surtout présent durantles moits d’août, septembre, octobre et novembre de l’année. Il est alors intéressant de regarder

FIGURE 5.9 – Déficit en millions de tonnes de l’ozone en dessous de 40˚S, relatif à 220 DU.On observe bien l’apparition cyclique du trou au niveau des mois d’août, septembre, octobre etnovembre de l’année. Crédit : NASA.

ce qu’il en est des autres mois de l’année. La figure 5.10 montre les distributions statistiquesà gauche des mois de janvier, février et mars de l’année 2008, et à droite, des mois d’août,septembre et octobre de la même année. Pour les trois premiers mois d’hiver, la moyenned’EUMETSAT est de 294.92 DU pour 283.75 côté CNRM, soit un écart relatif de -4.75%. Lesécarts-types, quant à eux, sont respectivement de 57.79 et 53.72 DU, soit -7.05%. Il y a doncune très bonne corrélation entre les distributions d’EUMETSAT et du CNRM sur ces mois-ci,et même sur l’écart-type. Il est intéressant de noter qu’ici, c’est l’écart-type d’EUMETSAT quiest supérieur à celui du CNRM et non l’inverse comme il a déjà été observé dans les résultatsprécédents (voir tableau 5.1). Sur les trois mois concernés par le trou dans la couche d’ozone(ici août, septembre et octobre), les moyennes d’EUMETSAT et du CNRM sont respective-ment de 276.30 et 263.35 DU (-4.69%) pour des écarts-types respectifs de 30.29 et 69.50 DU(+129.40%). Ici, la correspondance au niveau des moyennes est tout aussi bonne, cependant,du fait de l’apparition de valeurs très faibles au niveau de l’Antarctique (valeurs inféreuresà 200 Dobsons sur la figure 5.10 de droite), l’écart-type des colonnes totales du CNRM estbien supérieur à celui d’EUMETSAT. Lorsqu’on "corrige" les valeurs d’EUMETSAT (voir sec-tion 4.4.4), la différence entre EUMETSAT et le CNRM diminue de manière notable : -2.67%pour janvier/février/mars et -1.45% pour août/septembre/octobre.

Les données sur l’année montrent bien l’apparition du trou dans la couche d’ozone. Commela figure 5.9 le montre, le modèle du CNRM repète cette apparition du trou vers juillet/aoûten accusant une diminution de sa colonne totale moyenne pour les valeurs inférieures à 40˚S(c’est-à-dire entre -90˚et -40˚). Le minimum descend jusqu’à 50 DU en septembre et octobreet la moyenne passe d’environ 265 DU à 210. Par contre, le maximum présente une hausseinattendue au lors de l’apparition du trou, ce qui peut expliquer la faible baisse de la moyennesur ces latitudes.

La figure 5.12 permet un regard critique sur l’ensemble des 2 mois de janvier et février2008 (pour des raisons de mémoire informatique, le mois de mars n’a pas pu être inclu surles graphes, cependant, les résultats associés dans le tablea 5.4 comprend les valeurs du moisde mars). Les quatre colonnes correspondent aux colonnes partielles [0-6], [0-12], [0-18] km

76

FIGURE 5.10 – Distribution statistique sur 3 mois des données EUMETSAT et CNRM. Sur lafigure de gauche, les mois de Janvier, Février et Mars 2008, sur la figure de droite, les moisd’Août, Septembre et Octobre 2008.

FIGURE 5.11 – Minimum, moyenne et maximum de la colonne totale issue des données CNRMen dessous de 40˚S, sur toute l’année type.

et à la colonne totale, les quatre lignes, quant à elles, correspondent aux différentes latitudes.La première regroupe la totalité du globe, la deuxième les latitudes entre 45˚N et 90˚N, puis45˚S à 45˚N, et enfin 90˚S à 45˚S. À l’aide de cette figure et du tableau 5.4, plusieurs pointssont notables. Il y a un très faible écart entre EUMETSAT et le CNRM sur les colonnes totalesglobales et sur les latitudes faibles (entre 45˚S et 45˚N), de l’ordre de 5%. La colonne totaledes latitudes élevées côté nord correspondent plutôt bien aussi (<10%). Les différences entreles colonnes [0-6] km sont correctes quand on juge de l’écart absolu, de l’ordre de quelquesDobsons, ce qui est normal sur de faibles valeurs (∼20 DU). La colonne [0-18] km quant à ellemontre d’importants écarts, sauf en ce qui concerne les latitudes faibles.En comparaison, le tableau 5.4 regroupe ces mêmes calculs mais pour les mois d’août, sep-

tembre et octobre 2008. Les résultats sont très similaires au niveau de la colonne totale (commel’écart plus important au niveau des hautes latitudes sud). On retrouve le faible écart de la co-lonne [0-18] km aux faibles latitudes. Sur ces 3 mois, la correspondance pour la colonne [0-12]km est moins importante qu’elle ne l’est pour les mois de janvier, février et mars. Enfin, au

77

Janvier, février et mars 20080-6 km 0-12 km 0-18 km Col. tot.

Global EUMETSAT 19.40 35.52 48.32 298.16CNRM 16.27 31.10 70.96 284.04∆x [%] -16.14 -4.38 49.84 -4.74

45˚N - 90˚N EUMETSAT 15.80 32.11 70.78 386.46CNRM 16.28 35.78 127.51 358.15∆x [%] 3.02 11.40 80.16 -7.32

45˚S - 45˚N EUMETSAT 21.36 33.34 40.44 269.26CNRM 16.05 28.20 39.65 255.67∆x [%] -24.84 -15.40 -1.96 -5.05

90˚S - 45˚S EUMETSAT 14.95 29.57 53.06 307.55CNRM 16.72 32.22 77.05 266.67∆x [%] 11.79 8.96 45.22 -13.29

Août, septembre et octobre 20080-6 km 0-12 km 0-18 km Col. tot.

Global EUMETSAT 21.09 34.81 46.63 280.39CNRM 16.92 35.78 69.63 266.54∆x [%] -19.80 2.80 49.32 -4.94

45˚N - 90˚N EUMETSAT 19.67 36.82 59.68 301.19CNRM 18.57 49.12 106.22 301.87∆x [%] -5.60 33.40 80.00 0.23

45˚S - 45˚N EUMETSAT 22.68 35.51 42.81 279.47CNRM 16.48 28.73 41.29 270.25∆x [%] -27.37 -19.08 -3.56 -3.30

90˚S - 45˚S EUMETSAT 14.37 27.29 46.01 262.69CNRM 15.93 36.55 89.72 223.78∆x [%] 10.93 33.93 95.01 -14.81

TABLE 5.4 – En unité Dobson, tableau regroupant les valeurs des moyennes d’EUMETSAT etdu CNRM sur différentes latitudes et pour les colonnes partielles/totale, sur les mois de janvier,février et mars 2008, puis d’août, septembre et octobre de la même année. La première partiecorrespond à la figure 5.12.

niveau des hautes latitudes sud, là où le trou de la couche d’ozone apparaît, les écarts sontimportants et ne descendent pas en dessous de 10%.

78

FIGURE 5.12 – On retrouve pour la colonne totale, entre 90˚S et 90˚N la distribution statistiquede la figure 5.10, à droite. Les valeurs sont résumées dans le tableau 5.4 pour plus de lisibilité,avec les écarts relatifs exprimés. Malheureusement, pour des raisons de capacité informatiquede mémoire, ce graphique représente 2 mois : janvier et février 2008.

79

La figure 5.13 complète la 5.11 avec les données EUMETSAT (en noir) et EUMETSATdans sa version corrigée (en rouge). Sont représentés les minima, moyennes et maxima surles mois disponibles des données inférieures à 40˚S (suite à un problème informatique, lesdonnées des mois d’avril, mai, juin, juillet et novembre de l’année 2008 sont temporairementindisponibles). On constate plusieurs caractéristiques. Les minima correspondent bien sur lapériode hiver (janvier, février et mars), alors que la moyenne est supérieure côté EUMETSAT.Ce même décalage se retrouve sur la moyenne pour les mois d’août, septembre et octobre et lesminima du CNRM sont assez inférieurs aux données d’EUMETSAT. Côté maxima, on observeune bonne correspondance pour les mois d’août, septembre et octobre, mais sur les mois d’hiver,il y a un écart très important avec les données d’EUMETSAT pouvant dépasser les 500 DU,toujours sur la zone de latitudes inférieures à 40˚S.

FIGURE 5.13 – Minimum, moyenne et maximum de la colonne totale issue des données CNRMen vert, EUMETSAT en noir, et EUMETSAT corrigé en rouge, le tout en dessous de 40˚S, surtoute l’année type et 2008.

La comparaison sur plusieurs mois à permis d’apporter de bons résultats sur les mois dejanvier, février et mars. En effet, les colonnes totales de ces mois sont correspondent assez biensur la globalité de la surface, légèrement moins sur les hautes latitudes sud. Aussi, les colonnes[0-18] km sont similaires entre 45˚S et 45˚N. La colonne [0-12] km montre un comportementdifférent s’il s’agit des mois de janvier/février/mars ou des mois de août/septembre/octobre. Lesécarts sont plus importants sur ces derniers mois.

80

5.6 ExtremaOn isole dans cette section un cas extremum afin de mettre en évidence le problème d’une

faible teneur en ozone sur les hautes latitudes. Le jour sélectionné est le 30 septembre. Lafigure 5.14 de gauche montre les teneurs en ozone de la colonne totale. Ici, l’échelle n’estplus bornée en valeur inférieure à 200 Dobsons, mais au minimum des valeurs : 61 Dobsons.À droite, l’histogramme des valeurs (en comparaison avec EUMETSAT pour le 30 septembre2008) montre clairement une quantité non négligeable de valeurs entre 60 et 200 Dobsons alorsqu’EUMETSAT présente une part de valeurs faibles, mais comprises entre 180 et 220 Dobsons.

FIGURE 5.14 – Carte du CNRM en représentation orthographique ciblée sur la zone Antarctiqueafin de mettre en évidence le trou de la couche d’ozone et ses valeurs extrêmement faible. Ici,l’échelle a été adaptée aux valeurs où 400 Dobsons reste le maximum, mais le minimum devient60 Dobsons. À droite, distribution statistique des valeurs EUMETSAT et CNRM, à partir de 0Dobson.

Cependant, lorsqu’on regarde sur la totalité des valeurs, figure 5.15, la moyenne est de281.65 Dobsons pour EUMETSAT contre 258.98 Dobsons pour CNRM, ce qui conduit à unécart relatif de -8% (inférieure à 10%). La carte paraît à dominante rouge du fait de l’étalementchoisi des valeurs. En assignant la valeur minimale limite à 200 Dobsons, on réobtiendrait unétalement plus naturel, mais on perderait l’information sur les hautes latitudes autour du pôleSud. Dès lors qu’on s’intéresse aux différences entre EUMETSAT et CNRM, figure 5.16, onremarque simplement avec l’échelle que les écarts sont grands. Cela se vérifie avec l’écart relatifdes écarts-types : +91% (voir 5.14 à droite). Même si l’absence de données d’EUMETSATautour de l’Antarctique ne permet pas de visionner correctement l’importance de l’écart, il estassez facile de le prédire.

De même, sur la même journée, il est intéressant de regarder les colonnes partielles. Lesinformations sont regroupées dans le tableau 5.5.

EUMETSAT CNRMx σ x σ

Col [0-6] km 20.79 4.43 17.01 (-18.18%) 2.10 (-52.67%)Col [0-12] km 34.54 5.68 35.43 (+2.60%) 10.63 (+87.09%)Col [0-18] km 46.53 10.93 64.80 (+39.25%) 35.75 (+226.99%)Colonne totale 281.65 37.60 258.98 (-8.05%) 71.85 (+91.09%)

TABLE 5.5 – Sur la journée du 30 septembre 2008, tableau des moyennes et écarts-types desdifférentes colonnes pour EUMETSAT et le CNRM (en Dobsons).

81

FIGURE 5.15 – Carte des valeurs du CNRM, comprises entre 60 et 400 Dobsons (échelle étiréepar rapport aux précédentes cartes), pour la colonne totale, un 30 septembre.

Seules les moyennes de la colonne partielle [0-12] km et de la colonne totale correspondentassez bien. La colonne [0-18] km montre un écart très mauvais alors que pour la colonne [0-6]km, même si l’écart relatif est important, l’écart absolu est inférieur à 4 Dobsons. Les écarts-types, quant à eux, présentent des variations très importantes. Il faut bien garder en tête que ladistribution des valeurs du CNRM ne suit pas une distribution statistique de type Gaussienne.

5.7 Autre sortie de modèle : LMDZ-REPROLe LATMOS-ULB n’a malheureusement pas pu nous fournir les champs du modèle clima-

tique LMDZ-REPRO (pour Laboratoire de Météorologie Dynamique Zoom - REPROBUS) quisera utilisé pour le CMIP5. Ce travail sera cependant intégré durant le mois de septembre dansle cadre du CCI, et les résultats seront inclus dans le rapport entreprise pour le CNES.

82

FIGURE 5.16 – Carte des différences entre les points valides d’EUMETSAT et la carte duCNRM. L’échelle est comprise entre -150 et +150 (c’est-à-dire le minimum et le maximum).

83

Chapitre 6

Regard critique sur les donnéesEUMETSAT

Après avoir effectué une comparaison détaillée des données d’EUMETSAT, produit officiel,avec les données satellitaires LATMOS-ULB, MIPAS et le modèle CNRM, il est intéressant deregarder dans l’ensemble de la littérature ce à quoi on peut s’attendre. Fruit d’une collabora-tion entre le KNMI (Koninklijk Nederlands Meteorologisch Instituut) et le FMI (Ilmatieteenlaitos ou Finnish Meteorological Institute), l’instrument OMI (Ozone Monitoring Instrument) àbord du satellite Aura fournit pour la NASA des données d’ozone journalières en utilisant desspectres de rayonnement UV et visible. Les données sont publiques et accessibles sur le sitehttp://ozonewatch.gsfc.nasa.gov/.

Cette première comparaison rapide entre un instrument observant dans l’UV & visible ([33])et un instrument observant dans l’IR est intéressante. Elle permet de voir les écarts de valeursentre des données issues des deux domaines de spectroscopie. En effet, la spectroscopie UV& visible s’intéresse aux transitions électroniques alors que la spectroscopie IR s’intéresse auxtransitions vibrationnelles (plus de détails section 6.2).

À partir de la figure 6.1, deux points importants sont à retenir. Le premier correspond àla décroissance des valeurs au niveau du trou de la couche d’ozone en Antarctique. En effet,l’ozone des colonnes totales situées en dessous de 40˚S décroit de manière continue entre 220 et120 selon OMI, alors que les données EUMETSAT chutent de 300 à 250. C’est là qu’intervientle second point : si l’on sélectionne les données inférieures à 60˚S pour EUMETSAT, la chuteest plus importante (jusqu’à 200 DU). Cette distinction entre les latitudes inférieures à 60˚S et40˚S montre que pour les données EUMETSAT, le trou est de taille plus petite que pour lesdonnées OMI. Dans les deux cas, les valeurs d’EUMETSAT sont bien trop supérieures auxdonnées OMI.

6.1 Surestimation globaleAprès avoir comparé les données EUMETSAT aux autres jeux de données (LATMOS-ULB,

LATMOS-ULB v2.0 et MIPAS), ainsi qu’à la sortie du modèle CNRM-CCM, les différentsrésultats ont placé les valeurs d’EUMETSAT au-dessus des autres (voir figures 4.7, 4.8, 4.10,4.12, 4.25, 4.28, 5.2, 5.4, 5.6, et 6.1).

Sur toutes ces figures, les colonnes partielles et la colonne totale d’EUMETSAT présententdes moyennes dans l’expectative, cependant, il est légitime de se demander d’où vient cettesurestimation observée. Il peut s’agir d’un biais systématique issu de la mesure.

Les écarts-types sont quant à eux très inférieurs à la plupart des autres jeux de données. Eneffet, sur la colonne totale, les écarts-types des données LATMOS-ULB, MIPAS ou CNRM sontd’environ supérieures de 10 DU aux données EUMETSAT. Celles-ci sont donc plus resserrées

84

FIGURE 6.1 – Comparaison des minima, moyennes et maxima des différents jeux de donnéesavec en rouge, les données OMI fournies par la NASA, en noir, les données EUMETSAT et envert, les données du CNRM. À gauche, cas où les valeurs d’EUMETSAT sélectionnées sont leslatitudes inférieures à 60˚S et à droite, inférieures à 40˚S.

autour de la valeur moyenne (utilisation d’un a priori ?) et les valeurs extrèmes sont en nombretrès réduit ou tout simplement moins extrèmes que pour les autres jeux de données. Cela peutêtre corrigé par l’utilisation de l’estimation de l’erreur avec les données LATMOS-ULB, où,comme la figure 4.26 le montre, l’écart-type s’agrandit du fait de la présence de valeurs faibles,plus faibles et de valeurs fortes, plus fortes.

En regardant de plus près la figure 6.2 regroupant (de haut en bas) les données EUMET-SAT, les données EUMETSAT "corrigées", les données LATMOS-ULB (seconde version) etles données CNRM, on observe la surestimation globale des données EUMETSAT. En effet,sur la première carte, la majorité des valeurs aux latitudes moyennes sont comprises entre 270et 290 DU (couleur beige) alors que les données LATMOS-ULB montrent une répartition plushomogène des valeurs entre 250 et 290 (jaune + beige) et les données CNRM montre une prédo-minance entre 250 et 270 DU. Les données corrigées (deuxième ligne) se rapprochent beaucoupdes valeurs du LATMOS-ULB.

6.1.1 Au niveau des hautes latitudesToujours à l’aide de la figure 6.2, on observe très nettement la surestimation des données

EUMETSAT au dessus de l’Antarctique. En effet, là où le minimum ne dépasse pas les 190DU, LATMOS-ULB et CNRM présentent des valeurs respectives de l’ordre de 150 DU et in-férieures à 150 (les valeurs descendent jusqu’à 100 DU). Le trou apparaît bien, cependant, sesvaleurs sont très supérieures à l’ensemble des données. Cela a aussi été constaté à l’aide desfigures 5.6, 5.8, 4.29. De plus, il est possible de remarquer que malgré la correction des don-nées EUMETSAT, les valeurs faibles de l’ozone sont situées au niveau des côtes Antarctique,et non sur des zones reculées dans les terres. Pour ce qui est des hautes latitudes nord, le phé-nomène est moins frappant et les valeurs correspondent plutôt bien, car ces valeurs sont engénéral moyennes. En effet, si en Antarctique, le trou d’ozone est un phénomène récurrent enraison des températures très faibles dans la stratosphère, en Arctique, en comparaison, les tem-pératures hivernales sont plus élevées et les conditions météorologiques vont beaucoup varierd’une année à l’autre. Les conditions ne sont alors pas forcément réunies pour entraîner unediminution importante de l’ozone.

85

FIGURE 6.2 – Comparaison sur cartes des valeurs EUMETSAT, EUMETSAT "corrigées",LATMOS-ULB et CNRM, correspondant aux 10 premiers jours du mois de septembre 2008.

86

6.1.2 Comparaison aux données OMI de la NASA.Il est possible d’utiliser les cartes fournies sur le site http://ozonewatch.gsfc.

nasa.gov/ dans le but d’effectuer une comparaison journalière des données (figure 6.3).Malheureusement, malgré le changement de la table des couleurs, celle-ci ne correspond pasà l’identique à celle utilisée pour les cartes des données OMI. Cependant, des similitudes sontobservables. En effet, les taches jaunes correspondant à des valeurs supérieures à 350 Dobsonssont visibles sur les deux jeux de données.

Côté Antarctique, les différences sont importantes. Un écart de 50 Dobsons minimum se faitsur toute la surface terrestre de l’Antarctique. Seules les Terres de Palmer et Ellsworth (procheArgentine) montrent des similitudes avec des chutes à 150 Dobsons. Sur les données OMI, lavision d’un trou homogène et circulaire est plus nette que sur les données EUMETSAT où lesTerres de Wilkes et de la Reine-Maud présentent des colonnes totales faibles, mais supérieuresà 200 Dobsons.

FIGURE 6.3 – Cartes centrées sur l’Antarctique pour 3 jours consécutifs : les 23, 24, 25 août2008. La première ligne correspond aux cartes OMI, la seconde colonne correspond aux cartesEUMETSAT. La gamme de couleur a été changée (table de couleur IDL n˚33) pour corres-pondre à celle utilisée pour les cartes OMI de la NASA.

Ainsi, les colonnes totales d’EUMETSAT au-dessus de l’Antarctique (terre) sont plus faiblesque les données OMI (observées en UV). Une origine possible à ce problème est soulevée dansla section 6.3.2, avec l’implication de la température de surface dans la prise des mesures eninfrarouge.

87

6.1.3 IFOVs dans le désordreSuite à une communication avec EUMETSAT, il s’avère que des orbites de niveau 1c excé-

dant les 2 Gigabytes pourraient causer des problèmes. En effet, le logiciel en 32-bit traitant lesdonnées pour le niveau 2 peut interférer dans certains paramètres, comme l’altitude du satelliteet sa géolocalisation, ce qui fausserait alors en conséquence les valeurs moyennes (faiblement),mais surtout les extremas (comme les maxima observés sur la figure 5.13).

Sur la figure 6.4, les journées du 10 janvier, 10 février et 10 mars ont été sélectionnées(arbitrairement). Les maxima des latitudes inférieures à 60˚S ont été récupéré et un zoom s’estfait sur les valeurs alentours. Afin d’éviter l’interpolation sur grille masquant ces écarts, la grilled’observation est ici de 0.05˚×0.05˚. Cela n’empêche pas une interpolation sur les points tropproches. Les cartes sont à peu près centrées sur les maximas, avec un encadrement de ±1 ou 2˚en latitude et longitude.En regardant de plus près, il est possible de calculer les différences entre le maximum et le

FIGURE 6.4 – Pour les journées du 10 janvier, 10 février et 10 mars 2008, zoom sur les maximades valeurs en dessous de 60˚S (422, 490, et 534 DU). Les différences avec les seconds maximavoisins (sur un carré de ±1˚) sont respectivement de 37, 84, 106 DU et 4, 77, 62 DU sur uncarré de ±5˚.

second maximum, sur un carré défini autour du maximum. En prenant un carré de ±1˚, lesdifférences seront importantes, du fait du nombre réduit de points. Pour les 3 journées montrées,les différences sont de 37, 84 et 106 Dobsons. En agrandissant le carré à ±5˚, il serait normalque ces différences se réduisent à quelques Dobsons pour les 3 jours. Cependant, les résultatsmontrent pour les journées du 10 février et 10 mars une différence supérieure à 60 Dobsons.Ces points peuvent donc être considérés comme des singularités dans les zones concernées.

6.1.4 De nombreux paramètres pour caractériser le trouAfin de caractériser le trou dans la couche d’ozone, il est possible d’utiliser outre la colonne

totale d’ozone, de nombreux paramètres (voir aussi figure 6.5).

Sa taille

Avec une condition de 220 DU, il est possible de mesurer la superficie du trou de la couched’ozone. Le site http://ozonewatch.gsfc.nasa.gov/ fournit les valeurs mesurées àl’aide de l’instrument OMI. Une moyenne sur août, septembre et octobre 2008 est estimée à13.7 millions de km2, soit environ 2.7% de la superficie de la planète. Le maximum de cettesuperficie est de 22.27 millions de km2 (pour le 25 septembre 2008).

88

Dates de début et fin

Les dates de début et fin de l’apparition du trou dans la couche d’ozone quant à elles donnentune indication sur l’étalement temporel du phénomène. En moyenne, l’apparition du trou se faitfin juillet pour disparaître début décembre. Le pic se situe autour de fin septembre/début octobre.Pour une période allant de 1979 à 2010, les dates de début et fin s’étalent sur un mois autour desmoyennes. En considérant le maximum, le trou de la couche d’ozone peut alors durer la moitiéde l’année.

Minimum

La valeur minimum du trou de la couche d’ozone permet de caractériser la "profondeur"de ce trou. Si, sur l’ensemble de la zone concernée, le minimum tourne autour de 110 DUatteignant jusqu’à 70 DU à certains endroits et sur certains jours.

Vorticité

La vorticité au niveau de l’Antarctique définit une colonne d’air froid, distincte du reste del’atmosphère, appelée vortex polaire où la vorticité potentielle est supérieure à 4200 pvu (desvents pouvant atteindre 100 m/s, voir section 3.1.1 pour la définition de la vorticité potentielle).Cette zone isole l’air très froid du reste de l’atmosphère contribuant ainsi à la formation desPSCs et donc à la destruction de l’ozone au-dessus de l’Antarctique.

Déficit en masse

Le déficit en masse montre l’importance du trou quant à la perte de quantité d’ozone impor-tantes. Les valeurs sont de l’ordre de dizaines de millions de tonnes (jusqu’à 40), par rapport àla masse équivalente pour une colonne de 220 Dobsons.

89

FIGURE 6.5 – Aire, minimum et déficit en masse de l’ozone au dessus de l’Antarctique à partirdes données OMI de la NASA, avec un trio moyenne/maximum/minimum tiré de l’ensembledes données 1979-2010, l’année 2010 en bleu et l’année 2011 en rouge. Crédit : [33].

90

6.2 InfraRouge contre Ultra-Violet

6.2.1 InfrarougeLa spectroscopie infrarouge est un outil puissant pour identifier de nombreux composés chi-

miques du fait que la plupart possèdent un spectre rovibrationnel propre. L’utilisation a fortiorid’un interféromètre de Michelson permet une sensibilité élevée, même pour les mélanges ga-zeux complexes, une meilleure sélection et une grande rapidité d’acquisition ([34]). Il s’agit làde l’IRTF : spectroscopie Infrarouge à Transformée de Fourier.

Dans le domaine infrarouge, 3 bandes (3, 5 et 10 µm) sont utilisées à la télédétection del’ozone. Comme la figure 6.6 à gauche le montre, la zone de 10 µm, 1100 cm-1 est la plusintense et de surcroît celle utilisée pour la spectroscopie à transformée de Fourier (cas IASI).

Du fait de la répartion de l’ozone dans l’atmosphère, à environ 10% dans la troposphèreet 90% dans la stratosphère, il est nécessaire de connaître les sections efficaces IR à 1% pourconnaître la concentration de l’ozone avec une précision de 10% dans le cas d’observation aunadir.

En effet, l’absorption est reliée à la section efficace d’après la loi de Beer-Lamber

A(λ) = σ(λ) · l · C

où A(λ) est l’absorbance (sans unité), σ(λ) la section efficace d’absorption (en cm2/molécule),l la longueur du milieu (en cm) et C, la concentration en molécule/cm3. Différentes études pourmesurer avec précision cette section efficace dans le domaine infrarouge à 10 µm sont en bonaccord, à 2% près, cependant, l’une des dernières études montre un désaccord de 4.4% ([35]).

6.2.2 Ultra-violetCôté utra-violet, le spectre s’étend sur une gamme spectrale allant de 240 à 800 nm, séparés

en 4 bandes différentes : Hartley, Huggins, Chappuis et Wulf (voir figure 6.6, à droite). L’ab-sorption se fait plus forte dans la bande de Hartley (entre 200 et 300 nm) avec un maximum à254 nm.

La spectroscopie la plus répandue est ici la spectroscopie d’absorption optique différentielle(DOAS) au nadir. Elle s’opère pour la télédétection essentiellement sur les bandes de Hugginset Hartley. Les spectromètres embarqués à bord de satellites permettent la détection de l’ozonetroposphérique et les colonnes verticales peuvent être extraites des mesures aux niveaux desfortes absorptions.

Quant aux sections efficaces UV de l’ozone, de nombreuses études ont fourni des valeursdont les désaccords atteignent jusqu’à 10%. Les écarts tombent à 1-2% pour la région spec-trale inférieure à 350 nm. La génération de l’ozone peut être opérée dans différentes conditionsexpérimentales pouvant conduire à ces écarts.

6.2.3 Intercomparaison et correction ?Les satellite ENVISAT et EOS AURA (Earth Observing System) ont permis des mesures

simultanées dans la région spectrale UV-visible et l’IR à l’aide de leurs instruments embarqués,respectivement SCIAMACHY, GOMOS, et OMI, TES. Des désaccords entre les mesures ontété mis en évidence, de l’ordre de 5% entre les mesures par IRTF de l’ozone et les mesures parsonde UV ([36] & [37]).

De nouvelles études combinent les données des deux régions spectrales, en utilisant desinstruments à bord du même satellite, comme le couple OMI et TES, et le couple GOME-2et IASI, utilisant l’UV entre 290 et 320 nm, et l’IR autour de 10 µm. Cependant, l’étude du

91

FIGURE 6.6 – Bandes spectrales IR et UV de l’ozone, avec le pic IR à 1100 cm-1 et les bandesde Hartley et Huggins pour l’UV. Crédit : [34].

Rutherford Appleton Laboratory (RAL) montre que la combinaison des deux régions spectralesn’est possible que dans la connaissance cohérente et précise des sections efficaces IR et UV del’ozone à moins de 1% près ([38]).

Récemment, une étude faite sur une large gamme infrarouge et sur plusieurs longueursd’onde dans l’UV ([39]) montre une différence systématique de 5.5% avec la base de don-nées officielle HITRAN (high-resolution transmission molecular absorption database). Ainsi,de nouvelles mesures spectroscopiques en laboratoire se doivent d’estimer avec haute précisionles sections efficaces dans l’infrarouge et l’ultraviolet pour permettre a posteriori la mise enplace de mesure IR à l’aide de sondeurs UV et enfin, accéder à des mesures atmosphériques del’ozone présentant une très bonne corrélation.

92

6.3 Possibles origines des écartsPlusieurs hypothèses sont émises ici quant aux valeurs faibles sur la colonne totale fournies

par EUMETSAT, en particulier sur les hautes latitudes. Aucune démonstration n’est donnée,mais des études plus complètes pourraient vérifier -ou non- ces hypothèses.

6.3.1 Les réseaux de neuronesLes réseaux de neurones sont utilisés par EUMETSAT pour inverser les spectres en radiance

afin d’obtenir les valeurs des colonnes partielles et totales. Comparé à la méthode d’estimationoptimale (OEM), les réseaux de neurones sont très rapides et permettent un rendu de donnéesdans la journée.

En bref, un neurone est une fonction de transfert élémentaire qui calcule une sortie sj enfonction d’un ensemble d’entrées si, i = 1, ...,m tel que :

sj = f

(m∑i=1

wji si + βj

)

où f représente la fonction de transition du neurone, wji le poids du neurone si et βj le biaisappliqué au neurone. Le réseau de neurones est alors un ensemble de neurones inter-connectésoù chaque neurone reçoit et envoie de l’information aux neurones avec lesquels il est connecté(description plus complète sur [40]). Il s’agit donc au préalable de calibrer le réseau de neuroneafin de déterminer les paramètres de pondération et de biais. L’information d’un a priori estdonc nécessaire pour arriver à la solution.

C’est au niveau de la connaissance de l’a priori que peut se trouver l’origine des écarts. Eneffet, un a priori se base sur le cas général, une moyenne estimée et ainsi, les valeurs extrèmesdes colonnes partielles ou totales subiront un "adoucissement" de leur caractère "extrème". Lesvaleurs les plus faibles seront plus fortes et les valeurs les plus fortes seront plus faibles.

6.3.2 La température de surfaceLa spectroscopie IR utilise la radiance exprimée avec l’équation 3.4 où est utilisée la tem-

pérature. La figure 6.7 ([41]) montre les spectres en radiance au-dessus de l’Antarctique (doncà faible température de surface). En bleu, au-dessus de l’océan, et en rouge, au-dessus du conti-nent. Un bon spectre en radiance nécessite un fort contraste thermique, et des températuresfaibles comme c’est le cas en Antarctique conduiront alors à un signal faible, voir à une ab-sence de signal. À 1100 cm-1, raie de l’ozone, le signal est sur cette figure très faible, voireinexistant. Cela peut conduire a posteriori à de fortes erreurs dans l’inversion, et donc dans lerésultat de la colonne totale.

On observe sur la figure 6.8 l’ozone au niveau de l’Antarctique. La première colonne cor-respond à la colonne totale de l’ozone sur 4 jours consécutifs (23, 24, 25 et 26 août 2008),la deuxième colonne correspond aux valeurs d’EUMETSAT, mais corrigées à l’aide des don-nées LATMOS-ULB, et enfin, la troisième colonne correspond à la température de surface surces mêmes points. La version corrigée d’EUMETSAT permet d’améliorer le contraste en di-minuant les valeurs faibles. Il est facilement observable que les valeurs très faibles de l’ozonesont dispersées sur les côtes de l’Antarctique et non au centre des terres. Lorsque l’on compareles cartes d’ozone avec les cartes de température de surface, on constate que là où se situentles zones les plus froides, c’est-à-dire sur terre, les valeurs d’ozone ne seront pas aussi faiblesque sur mer. Il y a donc une corrélation observée (mais non démontrée) entre la température desurface faible et la surestimation de l’ozone au niveau de l’Antarctique.

93

FIGURE 6.7 – Spectres en radiance au-dessus de l’Antarctique. En bleu, au-dessus de l’océan,proche de l’Antarctique, en rouge, au-dessus du continent. Crédit : [41].

6.3.3 Flag nuageux sur les pôlesSur la figure 6.9 sont regroupés 3 cartes centrées sur l’Antarctique. La première correspond

aux données d’EUMETSAT, la deuxième aux données du LATMOS-ULB et la dernière auxdonnées de LATMOS-ULB calculées selon la section 4.4. Il est clair que le masque nuageuxd’EUMETSAT est plus strict que celui du LATMOS-ULB. La carte des données LATMOS-ULB2.0 a été ajoutée dans le but d’observer que les valeurs au niveau de l’Antarctique de lapremière version sont largement surestimées. Dans la nouvelle version, les points disponiblesont des valeurs inférieures à 220 Dobsons alors que la première ne descend pas au dessousde ces 220 Dobsons (et donc, par considération, ne valide pas la présence d’un trou dans lacouche d’ozone, voir aussi la section 4.4.2). Du fait que le flag nuageux est plus strict pourEUMETSAT, la qualité des données est meilleure. En effet, l’absorption est différente selon lecas et des valeurs peuvent être faussées pour ces pixels. Cependant, des algorithmes existentpour l’extraction des concentrations en ozone au-dessus des nuages. Au niveau des pôles, lesfaibles températures au sol conduiront à un faible signal, comme il a été déjà été explicité dans lasection précédente, et obtenir des valeurs en ozone au-dessus des nuages serait alors une manièredétournée de récupérer des données correctes avec cependant des erreurs non négligeables.

94

FIGURE 6.8 – Cartes centrées sur l’Antarctique pour 4 jours consécutifs : les 23, 24, 25, 26 août2008. La première colonne correspond aux cartes EUMETSAT sans la correction LATMOS-ULB, la deuxième colonne correspond à EUMETSAT corrigé, et la dernière colonne correspondà la température de surface. La gamme de couleur a été changée (table de couleur IDL n˚33)pour correspondre à celle utilisée pour les cartes OMI de la NASA.

95

FIGURE 6.9 – Cartes au niveau de l’Antarctique des données d’EUMETSAT, du LATMOS-ULBet LATMOS-ULB v2. Les deux premières cartes permettent d’observer que les flags nuageuxutilisés sont différents entre EUMETSAT et le LATMOS-ULB. EUMETSAT est beaucoup plusstrict, réduisant la quantité de données.

96

Conclusion

Dans la première partie de ce stage, je me suis plongé dans les différents modèles clima-tiques afin d’en extraire les principales caractéristiques. Je les ai compilées dans le rapportentreprise pour le CNES. Cela m’a permis d’estimer l’importance des mesures atmosphériquespour les prévisions à long terme.

Afin de documenter au mieux le rendu de mon travail, j’ai écrit une fiche IASI qui serviraaux utilisateurs de données climatiques dans le cadre d’une unification des formats des diffé-rentes ECVs.

Dans la partie consacrée aux données d’EUMETSAT, j’ai tout d’abord effectué un échan-tillonnage, qui permettra pour le travail CCI de réduire les données fournies et par la mêmeoccasion le temps de calcul associé.

Ensuite, dans la comparaison entre EUMETSAT et LATMOS-ULB, j’ai fait face à un pro-blème qui s’est avéré provenir de l’écriture des données LATMOS-ULB que ce dernier a corrigépar la suite, puis je me suis heurté au problème de conversion. J’ai décidé alors de la méthodequi me semble la mieux appropriée pour effectuer la comparaison. Celle-ci s’avère être bonne,et ce, malgré les écarts existants pour la colonne [0-18] km ou sur les hautes latitudes. Cetteméthode n’est malheureusement pas suffisante pour quantifier l’erreur sur EUMETSAT.

Afin de résoudre ce problème, j’utilise les profils de pression et température issus des don-nées d’EUMETSAT pour permettre une meilleure estimation des données du LATMOS-ULB.Malgré la réduction très importante du nombre de points disponibles pour la comparaison, j’ob-tiens de biens meilleurs résultats et je permets une estimation de l’erreur d’EUMETSAT quidépend de la quantité en ozone.

J’ai ensuite étendu la comparaison avec les données MIPAS, qui souffrent de l’absencedes premières colonnes partielles et du faible nombre de points disponibles par jour, mais quicorrespondent très bien en ajoutant l’ozone troposphérique d’EUMETSAT.

Dans le but de comparer les données d’EUMETSAT aux sorties du CNRM, j’ai établi lesgrilles, bases de la comparaison, puis vérifié que les données ne soient pas faussées par cetterépartition.

Enfin, j’ai effectué la confrontation des mesures satellitaires à la sortie de modèle du CNRMoù je mets en évidence d’importants écarts dans les hautes latitudes et la colonne partielle [0-18]km, mais une bonne correspondance dans la globalité avec un écart relatif inférieur à 10%. Ilen est de même lorsqu’on moyenne les grilles sur le mois, puis sur une période plus longue, de3 mois.

Pour conclure, j’émets un regard critique sur les données d’EUMETSAT, produit officieldes données Ozone de IASI. Elles semblent en effet sous-estimer de façon assez importanteles colonnes totales au niveaux des hautes latitudes. Quelques raisons possibles à cet écart sontévoquées et une rapide confrontation à des données UV, effectuée.

Il faut savoir que ce stage s’est déroulé avec de nombreux problèmes informatiques. Lesdonnées IASI sont très volumineuses, et la place m’a souvent fait défaut. Je remercie d’avancel’équipe DCT/SI/IM pour m’avoir prêté tour à tour leurs disques durs externes pour le stockagedes données. J’ai dû aussi m’initier à de nombreux logiciels : IDL, Scilab, ENVI et CDO,complétant ainsi mon bagage informatique.

97

Il reste encore beaucoup à accomplir. Le logiciel de routine visant à créer les données deniveau 3 est opérationnel mais nécessite une documentation fournie pour permettre aux utilisa-teurs futurs de comprendre la moindre ligne de code. De même, les comparaisons et confron-tations ne sont pas totalement terminées car pour le moment, seuls les mois de janvier, février,mars, août, septembre et octobre 2008 ont été sujets à cette étude.

Remerciements

Je tiens tout d’abord à remercier en particulier Thierry Phulpin pour ses conseils et saconfiance tout au long du stage, mais également Jean-Michel Martinuzzi pour son accueil dansson service SI/IM. Merci à Jean-Claude Lalaurie pour sa bonne humeur et ses conseils tou-ristiques du midi et également à Sébatien Gaugain, Anne Lifermann, Pascale Chazalnoël etCorinne Pradel pour tous leurs encouragements et leur soutien durant ce stage.

Je tiens enfin à remercier Maya George du LATMOS-ULB et Roger Huckle d’EUMETSATpour leur écoute et leur aide dans la récupération et le traitement des données, sans oublier Julie,pour son stylo rouge magique anti-stress.

98

Annexe A

Liste des sigles et acronymes

ACM ARPEGE Climat coupled MOCAGEACCMIP Atmospheric Chemistry and Climate Model Intercomparison Project

AGCM Atmospheric General Circulation ModelAK Averaging Kernel

AMSU Advanced Microwave Sounding UnitAMTRAC3 Atmospheric Model with Transport And Chemistry 3

ARPEGE Modèle climatique françaisASCAT Advanced SCATterometer

ATTILA Atmospheric Tracer Transport In a LAgrangian modelATOVS Advanced TIROS Operational Vertical SounderAVHRR Advanced Very High Resolution Radiometer

BUFR Binary Universal Form for the RepresentationCAM3.5 Community Atmosphere Model 3.5CCCma Canadian Centre for Climate Modelling and Analysis

CCI Climate Change InitiativeCCM Chemistry-Climate Model

CCMVal Chemistry-Climate Model ValidationCCSRNIES Center for Climate-Systems Research - National Institute

of Environmental StudiesCDO Climate Data OperatorsCFC Chloro-Fluo-Carbone

CMAM Canadian Midle Atmosphere ModelCMIP5 Coupled Model Intercomparison Project Phase 5CMUG Climate Modeling User GroupCNES Centre National d’Etudes Spatiales

CNRM-ACM Centre National de Recherches Météorologiques - ACMCOV Composé Organique VolatilCTM Chemistry-Transport ModelCST Centre Spatial de ToulouseDLR Deutsches Zentrum für Luft- und Raumfahrt / Centre Aérospatial Allemand

DOAS Differential Optical Absorption SpectroscopyDU Dobson Unit

DVB Digital Video BroadcastE39CA ECHAM4.L39(DLR)/Chem/-ATTILA

ECHAM European Centre HAmburg ModelECMWF European Center for Medium range Weather Forecasting

ECV Essential Climate Variable

99

EMAC ECHAM5/MESSy Atmospheric ChemistryENVISAT ENVIronmental SATellite

EOS Earth Observing SystemEPIC Etablissement Public à caractère Industriel et CommercialEPS Eumetsat Polar SystemESA Agence Spatiale Européenne

EUMETSAT EUropean organisation for the exploitation of METeorological SATellites(I)FOV (Instantaneous) Field Of View

GCM General Circulation ModelGEOS - CCM Goddard Earth Observing System - Chemistry-Climate Model

GES Gaz à Effet de SerreGIEC Groupe d’experts Intergouvernemental sur l’évolution du Climat

GOME Global Ozone Monitoring ExperimentGOMOS Global Ozone Monitoring by Occultation of Stars

GRAS Global navigation satellite system Receiver and Atmospheric SoundingGRIB GRIdded BinaryGUM Gaz Uniformément MélangéHIRS High resolution Infrared Radiation Sounder

HITRAN HIgh-resolution TRANsmission molecular absorption databaseIAA Instituto de Astrofísica de AndalucíaIASI Infrared Atmospheric Sounding InterferometerIRTF spectroscopie Infrarouge à Transformée de FourierIDL Interactive Data Language

IMK Institut für Meteorologie und KlimaforschungIPCC Intergovernmental Panel on Climate ChangeIPSL Institut Pierre Simon Laplace

IR InfrarougeKNMI Koninklijk Nederlands Meteorologisch Instituut

LATMOS-ULB Laboratoire Atmosphères, Milieux, Observations SpatialesLIDAR LIght Detection And Ranging

LISA Laboratoire Interuniversitaire des Systèmes AtmosphériquesLMDZrepro Laboratoire de Météorologie Dynamique Zoom - REPROBUS

LPMAA Laboratoire de Physique Moléculaire pour l’Atmosphère et l’AstrophysiqueMESSy Modular Earth Submodel SystemMETO Met Office

METOP Satellite météorologique européen défilant à orbite polaireMHS Microwave Humidity Sounder

MIPAS Michelson Interferometer for Passive Atmospheric SoundingMOCAGE CTM développé par MétéoFranceMOZART Model for OZone And Related chemical Tracers

MRI Meteorological Research InstituteNACA National Advisory Committee for AeronauticsNASA National Aeronautics and Space Administration

netCDF network Common Data FormODS Ozone Depleting Substances (voir SAO)OEM Optimal Estimation MethodOMI Ozone Monitoring InstrumentPSC Polar Stratospheric CloudPVU Potential Vorticity Unit

100

QBO Quasi-Biennial OscillationRAL Rutherford Appleton Laboratory

REPROBUS Reactive Processes Ruling the Ozone Budget in the StratosphereSAO Substances qui Appauvrissent la couche d’Ozone

SCIAMACHY SCanning Imaging Absorption spectroMeter for Atmospheric CartograpHYSOCOL SOlar-Climate-Ozone LinksSPARC Stratospheric Processes And their Role in Climate

SZA Solar Zenith AngleTES Tropospheric Emission SpectrometerTOA Top Of Atmosphere

TIROS Television InfraRed Observation SatelliteUCAM University of CAMbridgeUCAR University Corporation for Atmospheric ResearchULAC Università degli Studi L’Aquila

ULB Université Libre de BruxellesUMETRAC Unified Model with Eulerian TRansport and Atmospheric Chemistry

UMG Uniformly Mixed Gases (voir GUM)UMUKCA Unified Model / U.K. Chemistry and Aerosols module

UNEP United Nations Environment ProgrammeUTLS Upper Troposphere and Lower Stratosphere

UV Ultra-VioletVMR Volume Mixing Ratio

WACCM Whole-Atmospheric Chemistry-Climate ModelWCRP World Climate Research ProgrammeWMO World Meteorological Organization

101

Annexe B

Niveaux des produits IASI

Niveau 0 Données brutes issues directement de la mesure sans aucune retouche.Niveau 1a Spectres calibrés non apodisés et images correspondantes : décodage

des données, post-calibration radiométrique, calibration spectrale,co-registration IASI/AVHRR via les images IASI, géolocalisation et datation.

Niveau 1b Niveau 1a ré-échantillonné.Niveau 1c Niveau 1b "apodisé" afin d’obtenir une Fonction de Réponse Spectrale

de l’Instrument nominale avec aussi une analyse des radiances AVHRR surles pixels IASI.

Niveau 2a Produits géophysiques dérivés de IASI en mode autonome (profils detempérature, humidité, température de surface, distribution des gaz trace,paramètres des nuages, ... ). Les données de niveau 2a peuvent exister entant que produits géophyqiues intermédiaires dans la mission IASI et pourrontêtre fusionnés en un nombre plus limité de produits géophysiques suivantles besoins des utilisateurs.

Niveau 2b Produits géophysiques déduits du traitement des données IASI en combinaisonavec les autres instruments météorologiques de MetOp. Ils peuvent être similairesau niveau 2a, mais disposent cependant d’une meilleure précision, résolution, ouils peuvent être extraits sur une plus grande gamme de couverture nuageuse.

Niveau 3 Produits Géophysiques reportés sur une grille et moyennés dans le temps.Possibilités que ces produits soit combinés avec d’autres informations que EPS.Introduction de statistiques géographiques et temporelles.

Niveau 4 Produits géophysiques résultants de l’assimilation par exemple dans des modèlesmétéorologiques ou de transport chimique (dans les CCMs).

102

Annexe C

Fiche IASI du produit Ozone

C.1 Intent of This Document1a) This document is intended for users who wish to compare satellite derived observations

with climate model output in the context of the CMIP5/IPCC historical experiments. Users arenot expected to be experts in satellite derived Earth system observational data. This documentsummurizes essential information needed for comparing this dataset to climate model output.References are provided at the end of this document to additional information for the expertuser.This IASI dataset is provided as part of an experimental activity to increase the usability ofEUMETSAT satellite observational data for the model and model analysis communities. Thisis not a standard MetOp satellite instrument product. It may have been reprocessed, reformated,or created solely for comparisons with the CMIP5 model. Community feedback to improve andvalidate the dataset for modeling usage is appreciated.

Dataset File Name (as it appears from EUMETSAT) :iasi_yyyymmdd_hhmmss_metopa_nnnnn_eps_o_ozo.l2_bufr

where yyyymmdd stands for the UTC year, month, day of the data start sensing time, hhmmssstands for the UTC hour, minute, second of the data start sensing time, nnnnn is the orbit num-ber and ’ozo’, as product code, stands for atmospheric ozone.

Dataset File Name (as it appears from ULB) :IASI_LATMOS-ULB_ULB_O3_yyyymmdd.tar then IASI_O3_AK_yyyymmdd_*.txt

1b) Technical point of contact for this dataset :

C.2 Data FieldCF variable name, units : [must match a variable output descriptor in the Taylor, et. al.

document that defines the CMIP5 experiment outputs] Spatial [both horizontal and vertical, ifapplicable] resolution : Temporal resolution and extent : (e.g, monthly averaged, from mm/yyyyto mm/yyyy) Coverage : (e.g, if not global, then Lat/Lon boundaries, or other appropriate limits)

Horizontal grid The IASI instrument observes the Earth up to a 12 km diameter footprint onthe ground at nadir. To do so, the full swath width of ∼2200 km (2×1100 km) is provided byobservations up to an angle of 48.3˚on both sides of the trace. 2×15 mirror positions correspondto instantaneous field-of-views of 3.3˚×3.3˚ (50 km × 50 km at nadir).

103

Band Range [cm-1] Information1 50 - 770 Temperature sounding (CO2 band)

645 - 1210 cm-1 770 - 980 Properties of surfaces and clouds1000 - 1070 O3 sounding1080 - 1150 Properties of surfaces and clouds

2 1210 - 1650 Water vapour sounding, N2O, CH4 and SO2

1210 - 2000 cm-1

3 2100 - 2150 Vertical profile of the CO2000 - 2760 cm-1 2150 - 2250 Temperature sounding, vertical profile of N2O

2350 - 2420 Temperature sounding2420 - 2700 Properties of surfaces and clouds2700 - 2760 Vertical profile of the CH4

TABLE C.1 – IASI spectral band and possible information available.

Vertical grid As we need parameters to retrieve the ozone profile (see in section C.3 the pa-ragraph about the ozone retrieval), the thermal contrast, or temperature difference ∆T is veryimportant for all products from infrared missions. It is significantly dependant on the geogra-phical location, seasonal and diurnal variability, but also on the wavelength. The radiometricaccuracy in noise-equivalent radiance temperature at 280 K is 0.20 K at 650 cm-1 and 0.47 K at2400 cm-1 (more information on [3]). Then, with the ozone retrivial, it’s possible to reach a ver-tical resolution of a few kilometers in the UT/LS and middle atmosphere, and the troposphericscolumns. For climate change models, a vertical resolution of ∼1 km is aspired.

Spectral range The IASI instrument cover a wide spectral range, from the Thermal InfraRed(TIR) limit at 3.62 µm (or 2760 cm-1) where the backscattered solar light starts to contribute, upto 15.5 µm (or 645 cm-1). It covers the TIR peak and particularly the CO2 band. The instrumentis observing in 3 special bands

Coverage Global.

C.3 Data OriginThere is a full description of the IASI Level 1 (L1) products overview on [46] and [48].

Briefly, the spectra have been radiometrically calibrated during on-board (L0) processing. InLevel 1a, the ISRFEM chain is used and corrected Planck functions are applied to the spectra.Contributions from the reflected radiance, impact of the scanning mirror at different angles (aswell as its temperature dependency) are taken into account and geolocation of IASI is estimated.

Then, in Level 1b, spectra are over-sampled by a factor of 5 and they are interpolated on anew equidistant spectral grid by using a cubic spline interpolation.

Next, the Level 1c apply an apodisation function estimated within the ISRFEM chain andthe process finishes with the generation of the radiance cluster analysis.

Now, the step for reaching the Level 2 (L2) goes through a pre-processing phase wherethe geolocation is extracted from L1c data for individual IASI IFOVs (Instantaneous Field ofViews). It uses data from ATOVS (Advanced TIROS Operational Vertical Sounder) instrumentsuite, AVHRR and forecast data from numerical weather prediction to validate the L1c inputdata and bring correlation mask, and cloud masks ([47]).

The objectives of the IASI L2 ground processing is the derivation of geophysical parametersfrom the radiance measurements. They are : temperature profiles, humidity profiles, columnar

104

Specie Vertical Res. (DOFS) Error(%) Comment ReferencesMedium-lived species (lifetime a few weeks to a few years)O3 3-4 30% (0-6 km) Strong absorber Eremenko et al., 2008

2% Tot. col. with large Boynard et al., 2009stratospheric Keim et al., 2009contribution Massart et al., 2009

Amato et al., 2009

TABLE C.2 – Level-2 quality of ozone from IASI

ozone amounts in thick layers, surface temperature, surface emissivity, fractional cloud cover,cloud top temperature, cloud top pressure, cloud phase, total column N2O, total column CO,total column CH4, total column CO2, error covariance, processing and quality flags.

Profile retrieval of ozone In case of L2 data, the atmospheric radiative transfer equation hasto be inverted in order to obtain the vertical ozone profile. There are two principal numericalmethods (fully explained in [45]).

The first method is based on numerical optimisations. It aims to minimise the root meansquared difference between calculated and measured spectra at each iteration, using predictionof the atmospheric profile and calculating the full radiative transfer. This method takes a longtime to process and does not allow performing the inversion of IASI spectra in real time (120spectra in 8s) for the operational retrieval.

Then, the second approach uses a neural network composed of various spectra of atmos-pheric profiles, representative of the most common atmospheric conditions. It calculates withnonlinear interpolation the inversion of a given spectrum, faster than the first method, but ex-treme cases of atmospheric conditions may lead to wrong columnar amounts.

Data sets of IASI L2 products are provided by EUMETSat using the neural network ap-proach. Three research groups (LATMOS-ULB, LISA and LPMAA) also provide IASI productsas profile or partial columns.

C.4 ValidationThe ozone validation is strongly dependant on the retrieval method. Here are shown data

validation with the use of EumetCast L2 products. The table C.2 indicates the characteristics ofthe ozone product from a IASI mission (this is an extract of the reference [3] giving the samedata about all the IASI products) :

IASI data have been compared with Global Ozone Monitoring Experiment-2 (GOME-2),ground-based measurements from the Dobson and Brewer network ([44]) and balloon sondemeasurements ([43]). Lower tropospheric (0-6 km) ozone partial columns are in agreementwith ozone sonde measurements (mean bias 3%, RMS about 10%) even in the case of tempe-rature conditions less favourable for ozone retrieval. For the total ozone columns, correlationcoefficients of about 0.9 and 0.85 have been showed with GOME-2 and ground-based data res-pectively (for an average positive bias of about 9 DU (3.3%)). The sensitivity becomes weak tosurface and planetary boundary layer ozone concentrations due to the instrument caracteristicsbut gets better to free tropospheric ozone ([43]).

Tropospheric columns have been also compared with several stations around the globe andcorrelation coefficients of 0.95 and 0.77 for the [surface-6 km] and [surface-12 km] partialcolumns respectively have been emphasized, with positive average biases observed around 0.15DU (1.2%) and 3 DU (11%) respectively ([44]).

105

C.5 Considerations for Model-Observation ComparisonsBecause this data product is observational data, there are several aspects that distinguish this

product from model outputs. The user of this data product should be aware of them in order tomake judicious model-observation comparisons.

Cloud Influence A cloud present in the optical path can affect the radiance signal recordedby the instrument depending on the type (water or ice cloud) and the optical thickness of thecloud. The cloud detection is performed in order to create masks and decide which pixels arecontamined or not. It combines the information of the IASI L1c spectra with AMSU-A (Ad-vanced Microwave Sounding Unit) data and applies 5 tests to validate the presence of clouds. Ifthey are detected in the field of view, the CO2-slicing method is used to estimage the fractionalcloud cover and the cloud top pressure for the IASI IFOVs (the result depends on cloud, sur-face signals and the instrument noise). Then, depending on the cloud amount (clear, cloudy orcloud-clearing), the retrieval will select one type of process and may create, in the cloudy case,profiles derived only above the cloud top.

Asynoptic Time Sampling Because MetOp satellize with a sun-synchronous polar orbit, itsamples at two fixed local solar times (09 :30 local time in the morning and 21 :30 in theevening) so cannot resolve the diurnal cycle.

Inhomogeneous Sampling Because of the convergence of longitude lines near the poles, thetime range of data collection broadens as one moves from the equator toward either pole, withthe ranges in the polar regions including all times of day and night.

Spectral resolution IASI is based on a Michelson-type Fourier-transform spectrometer with amaximal optical path difference of 2 cm and a spectral range from 645 cm-1 to 2760 cm-1. Afterapodisation with a Gaussian function, a spectral resolution of 0.5 cm-1 is obtained (Full-Widthat Half-Maximum).

C.6 Instrument OverviewLaunched into a polar sun-syonchronous orbit in 2006, the Infrared Atmospheric Sounding

Interferometer IASI is one of eight instruments on board of the MetOp-A satellite, part of theEumetsat Polar System (EPS). It shares the satellite with the following meteorological ins-truments ([2]) : High resolution Infrared Radiation Sounder, HIRS, Advanced SCATteromter,ASCAT, Advanced Very High Resolution Radiometer, AVHRR, Microwave Humidity Sounder,MHS, Advanced Microwave Sounding Unit-A, AMSU-A, and the other advanced atmosphericchemistry passive remote sensor GOME-2 (for Global Ozone Monitoring Experiment-2).Looking at the Thermal InfraRed spectral range, MetOp satellite is sun-synchronous with a

inclination of 98.7˚ to the equator, at an altitude of ∼817km, it completes an orbit in about 101min (more than 14 orbits a day). At nadir, 2×2 circular pixels, 12 km diameter each, correspondto a field-of-view of 3.3˚×3.3˚ or 50×50 km. This is repeated 15 times on each side of the traceover a swath width of around 2×1100 km (i.e. 48.3˚ on both sides, see figure C.1). However,the swaths do not overlap at low latitudes so that some points are missed near the equator for ashort time.

106

FIGURE C.1 – On the left, the main components of the MetOp Satellite. On the right, IASIobserving mode : every 50 km at nadir, 4 footprints of 12 km in diameter are spectrally measuredand repeated 2 × 15 times over a swath (scanning sweeps) width of 2 × 1100 km (credits :EUMETSAT, CNES).

Spectral range 15.5 - 3.62 µm, 645 - 2760 cm-1

Spectral resolution 0.35 - 0.5 cm-1

Radiometric resolution in 0.1 - 0.5 Knoise equivalent temperature Ne∆t@280K

difference at 280 KLifetime 5 yearsPower 200 WSize 1.2×1.1×1.1 mMass 210 kg

TABLE C.3 – Generalities about the IASI instrument.

C.7 Revisions HistoryRev 0 - 04/XX/2011

107

Annexe D

Quelques lignes de code

D.1 Code IDL

D.1.1 Récupération des donnéesLa plupart des fonctions décrites ci-dessous visent à obtenir une matrice de 6 ou 10 colonnes.

Les deux premières colonnes correspondent aux latitudes et longitudes, alors que les suivantescorrespondent aux colonnes partielles et la colonne totale (4 colonnes), et si les données lepermettent, avec les erreurs correspondantes (10 colonnes).

Lecture EUMETSAT

;—-Lecture du fichier correspondant.FUNCTION lecture_data, directoryIF directory EQ ” THEN RETURN, 0OIASI_L2 = read_eps(directory)result=OIASI_L2->readProduct()OIASI_L2->GetRecord,MPHR=mphrOIASI_L2->GetProperty,MDR=mdr,GIADR1=giadr1nbre_IFOV = 120.mTot = MAKE_ARRAY(6, N_ELEMENTS(*mdr)*nbre_IFOV)M_o3 = 47.9982M_air = 28.965338g = 9.81P0 = (*giadr1)(0).PRESSURE_LEVELS_OZONE[1,1]/10.ˆ2Pr = (*giadr1)(0).PRESSURE_LEVELS_OZONE[0,*]/10.ˆ2FOR i=0,N_ELEMENTS(*mdr)-1 DO BEGIN

;—-Boucle sur le nombre d’IFOV (120)FOR j=0,nbre_IFOV-1 DO BEGIN

;—-Masque nuageux.IF (*((*mdr)(i))).NUMBER_CLOUD_FORMATIONS[j] EQ 0 THEN BEGIN

;—-Recuperation en kg/m2 des valeurs d’ozone.Oz = (*((*mdr)(i))).ATMOSPHERIC_OZONE[*,j]/10.ˆ6IF Oz[0] NE Oz[1] THEN BEGIN

;—-Recuperation des [lat,lon] et conversion en Dobsons.mTot[*,i*nbre_IFOV+j]=[(*((*mdr)(i))).EARTH_LOCATION[0,j]/10.ˆ4,$

(*((*mdr)(i))).EARTH_LOCATION[1,j]/10.ˆ4,$Oz[0]*46693.6681,Oz[1]*46693.6681,$Oz[2]*46693.6681,Oz[3]*46693.6681]

108

ENDIFENDIF

EDNFORENDFORmTemp = mTot(*,1 :(SIZE(mTot))(2)-1)OBJ_DESTROY, OIASI_L2RETURN, mTempEND

Lecture LATMOS-ULB

;—-Lecture du fichier correspondant.FUNCTION lecture_err, fichierCLOSE,/allOPENR, lun, fichier, /get_lunlignes = FILES_LINES(fichier)MatULB = MAKE_ARRAY(1684,lignes)READF, lun, MatULBFREE_LUN, lunP0 = 101325.trop = 19Pres = FLTARR(41);—-Definition de la pression (cf equations 4.1 et 4.2).FOR k =0,trop DO BEGIN

Pres(k) = P0*((288-0.0065*k*1e3)/288.)ˆ5.255ENDFORFOR k=trop+1,39 DO BEGIN

Pres(k) = Pres(trop)*EXP(-(k-trop)/8.4)ENDFORPres(40) = 0.5M_o3 = 47.9982M_air = 28.965338g = 9.81Mat = INDGEN(10)FOR i=0.,lignes-1 DO BEGIN

IF MatULB(3,i) GT 90 THEN BEGINX_r = MatULB(4 :43,i)Err = MatULB(44 :83,i);—-Elimination des valeurs -999.IF (WHERE(X_r LT 0))(0) NE -1 THEN X_r([WHERE(X_r LT 0)]) = 0IF (WHERE(Err LT 0))(0) NE -1 THEN Err([WHERE(Err LT 0)]) = 0FOR k=0,39 DO BEGIN

X_r(k) = X_r(k)*(Pres(k)-Pres(k+1))*M_o3/(g*M_air)*46693.6681*10.ˆ(-9)Err(k) = X_r(k)*Err(k)

ENDFORmoy06 = TOTAL(X_r(0 :5))err06 = TOTAL(Err(0 :5))moy012 = TOTAL(X_r(0 :11))err012 = TOTAL(Err(0 :11))

109

moy018 = TOTAL(X_r(0 :17))err018 = TOTAL(Err(0 :17))moy100 = TOTAL(X_r)err100 = TOTAL(Err)Mat = [[Mat],[MatULB(0,i),MatULB(1,i),moy06,err06,$

moy012,err012,$moy018,err018,$moy100,err100]]

ENDIFENDFORMat = Mat(*,1 :(SIZE(mat))(2)-1)RETURN, MatEND

Lecture MIPAS

;—-Lecture du fichier correspondant.;—-Necessite : go_section.proFUNCTION write_colpart_stddev, fileOPENR, unit, file, /get_luniwarn = go_section(1, 2, 0, 0, unit=unit)n_tot = 0.0;—-Recuperation du nombre de pointREADF, unit, n_totFREE_LUN, unitmTot = FLTARR(10, n_tot)FOR i=1,n_tot DO BEGIN

OPENR, unit, file, /get_luniwarn = go_section(2, i, 2, unit=unit)tmp = [0.0, 0.0];—-Recuperation du couple [latitude,longitude]READF, unit, tmpiwarn = go_section(2, i, 10, unit=unit)n_grid = 0.0;—-Recuperation du nombre de niveaux (z)READF, unit, n_gridiwarn = go_section(2, i, 11, unit=unit)Mat = FLTARR(8, n_grid)READF, unit, MatX = FLTARR(60)Xstd = FLTARR(60)FOR j = 0,n_grid-2 DO BEGIN

IF Mat(0,j) NE 0 THEN BEGIN;—-0.0078914 = Mo3/(g*Mair)*fX(j) = ((Mat(4,j)+Mat(4,j+1))/2)*(Mat(2,j)-Mat(2,j+1))*0.0078914*10.ˆ2Xstd(j) = ((Mat(5,j)+Mat(5,j+1))/2)*(Mat(2,j)-Mat(2,j+1))*0.0078914*10.ˆ2

ENDIFENDFORtot = [tmp[0],tmp[1],TOTAL(X(0 :3)),TOTAL(Xstd(0 :3)),$

TOTAL(X(0 :9)),TOTAL(Xstd(0 :9)),$

110

TOTAL(X(0 :15)),TOTAL(Xstd(0 :15)),$TOTAL(X),TOTAL(Xstd)]

mTot[*,i-1]=totFREE_LUN, unitCLOSE, /all

ENDFORRETURN, mTotEND

Lecture CNRM

Les données CNRM fournies sont trop volumineuses pour être traitées directement avecIDL. Il a fallu les découper au préalable. Pour cela, le logiciel CDO a été très utile. Il peuten effet traiter des données très importantes sans prendre toute la mémoire de l’ordinateur. Lasimple commande à entrer sur l’invite de commandes (cas Windows) est la suivante :

cdo splitmon o_3_h.M8.2000.nc o_3_2000Ici, o_3_h.M8.2000.nc est le fichier source d’environ 1 Go, o_3_2000 est la base de nom qu’au-ront tous les fichiers issus de cette commande splitmon.

FUNCTION lecture_CNRM_O3, dateCLOSE, /ALL;—-Conversion de la date pour recuperer les donnes correspondantes.yyyymmdd = LONG(date)year_n = yyyymmdd/10ˆ4year = STRCOMPRESS(STRING(year_n),/REMOVE_ALL)month_n = (yyyymmdd-year_n*10ˆ4)/10ˆ2IF month_n LT 10 THEN month = STRCOMPRESS(’0’+STRING(month_n),/REMOVE_ALL) $ELSE month = STRCOMPRESS(STRING(month_n),/REMOVE_ALL)day_n = yyyymmdd-year_n*10ˆ4-month_n*10ˆ2IF day_n LT 10 THEN day = STRCOMPRESS(’0’+STRING(day_n),/REMOVE_ALL) $ELSE day = STRCOMPRESS(STRING(day_n),/REMOVE_ALL)O3ID = NCDF_OPEN(’D :\PUBLIC\CDO\o_3_2000’+month+’.nc’)PID = NCDF_OPEN(’D :\PUBLIC\CDO\pres_2000’+month+’.nc’);—-Recuperation de la pression.varstructP = NCDF_VARINQ(PID,4)varIDP = NCDF_VARID(PID,varstructP.name)NCDF_VARGET,PID,varIDP,variablePnMlon = (SIZE(variableP))(1)nMlat = (SIZE(variableP))(2)nMh = (SIZE(variableP))(3);—-Recuperation de l’ozone.varstruct = NCDF_VARINQ(O3ID,3)varID=NCDF_VARID(O3ID,varstruct.name)NCDF_VARGET,O3ID,varID,variableM_o3 = 47.9982M_air = 28.965338g = 9.81Mat = MAKE_ARRAY(6,1)varstructLAT = NCDF_VARINQ(O3ID,1)varIDLAT=NCDF_VARID(O3ID,varstructLAT.name)NCDF_VARGET,O3ID,varIDLAT,variableLAT

111

varstructLON = NCDF_VARINQ(O3ID,0)varIDLON=NCDF_VARID(O3ID,varstructLON.name)NCDF_VARGET,O3ID,varIDLON,variableLONvarstructO3 = NCDF_VARINQ(O3ID,4)varIDO3=NCDF_VARID(O3ID,varstructO3.name)NCDF_VARGET,O3ID,varIDO3,variableO3temp = day_n-1FOR nlat = 0,nMlat-1 DO BEGIN

FOR nlon = 0,nMlon-1 DO BEGINO3 = variableO3(nlon,nlat,*,temp)P = variableP(nlon,nlat,*,temp)tp = MAKE_ARRAY(nMh-1)FOR j = 0,nMh-1-1 DO BEGIN

;—-Conversion de l’ozone [ppm] en Dobson avec la pression.tp(j) = O3(j)*(P(j)-P(j+1))*M_o3/(g*M_air)*46641.59

ENDFORIF variableLON(nlon) GT 180 THEN BEGIN

longitude = variableLON(nlon)-360ENDIF ELSE BEGIN

longitude = variableLON(nlon)ENDELSEMat = [[Mat],[variableLAT(nlat),longitude,TOTAL(tp(0 :5)),TOTAL(tp(0 :11)),$

TOTAL(tp(0 :17)),TOTAL(tp)]]ENDFOR

ENDFOR;—-Elimination de la premiere ligne.Mat = Mat[*,1 :(SIZE(Mat))(2)-1]NCDF_CLOSE, O3IDNCDF_CLOSE, PIDRETURN, MatEND

D.1.2 Récupération LATMOS-ULB à partir des pressions EUMETSAT;—-Recuperation des donnees LATMOS-ULB.Result = FILE_SEARCH(’D :\PUBLIC\Data_ULB\*’)Res = Result([WHERE(STRMATCH(Result,’*20080831*’) EQ 1)])mTot=INDGEN(42)n_col = (SIZE(Res))(1)M_o3 = 47.9982M_air = 28.965338g = 9.81mat = INDGEN(10)LATMOS-ULB = MAKE_ARRAY(84)FOR fi=0,n_col-1 DO BEGIN

fichier = Res(fi)OPENR, lun, fichier, /get_lunlignes = FILE_LINES(fichier)MatULB = MAKE_ARRAY(1684,lignes)READF, lun, MatULB

112

FREE_LUN, lunLATMOS-ULB = [[LATMOS-ULB],[MatULB(0 :83,*)]]

ENDFORLATMOS-ULB = LATMOS-ULB(*,1 :(SIZE(LATMOS-ULB))(2)-1);—-Ouverture EUMETSATResult = FILE_SEARCH(’D :\PUBLIC\Data_Eumetsat\*’)Res = Result([WHERE(STRMATCH(Result,’*20080831*’) EQ 1)])mTot=INDGEN(42)]n_col = (SIZE(Res))(1)nbre_IFOV = 120.g = 9.80665M = 28.965338R = 8.314462FOR fi=0,n_col-1 DO BEGIN

directory = Res(fi)OIASI_L2 = read_eps(directory)result=OIASI_L2->readProduct()OIASI_L2->GetRecord,MPHR=mphrOIASI_L2->GetProperty,MDR=mdr,GIADR1=giadr1A = INDGEN(80)FOR i=0,N_ELEMENTS(*mdr)-1 DO BEGIN

;—-Recuperation de la pressionP = REVERSE((*giadr1)(0).PRESSURE_LEVELS_TEMP)/10.ˆ2;—-Recuperation de la temperatureT = REVERSE((*((*mdr)(i))).ATMOSPHERIC_TEMPERATURE/10.ˆ2)FOR j=0,nbre_IFOV-1 DO BEGIN

;—-Condition sur la couverture nuageuseIF (*((*mdr)(i))).NUMBER_CLOUD_FORMATIONS[j] EQ 0 THEN BEGIN

;—-Condition sur l’existence du profil de temperatureIF (T(*,j))(89) NE 655.350 THEN BEGIN

Oz = (*((*mdr)(i))).ATMOSPHERIC_OZONE[*,j]/10.ˆ6;—-Condition sur l’existence des colonnes partiellesIF Oz[0] NE Oz[1] THEN BEGIN

lat = (*((*mdr)(i))).EARTH_LOCATION[0,j]/10.ˆ4lon = (*((*mdr)(i))).EARTH_LOCATION[1,j]/10.ˆ4;—-Recherche des points [lat,lon]identiquesloc = WHERE(LATMOS-ULB(0,*) EQ lat AND LATMOS-ULB(1,*) EQ lon);—-Condition sur la correspondance des pointsIF loc(0) NE -1 THEN BEGIN

;—-Recuperation de la pression de surfaceP0 = (*((*mdr)(i))).SURFACE_PRESSURE(j);—-Suppression des niveaux ou la temperature n’est pas disponiblecas = WHERE(T(*,j) NE 655.350)Pres = PIF cas(0) NE -1 THEN Pres = (P)(WHERE(T(*,j) NE 655.350))Temp = T(*,j)IF cas(0) NE -1 THEN Temp = (T(*,j))(WHERE(T(*,j) NE 655.350));—-Calcul de l’altitude pour les niveaux de pressions et temperatureZ = -(R*Temp/(M*g))*ALOG(Pres/P0);—-Interpolation de la temperature aux altitudes 0, 1, 2, 3... 39km.

113

Result = INTERPOL(Temp,Z,A);—-Recuperation de la pression a ces altitudesNewP = P0*EXP(-1.*M*g*A/(R*Result));—-Ajout de la pression top of the atmosphere = 0.5 PaNewP = [NewP,0.5];—-recuperation du profil de [ppb]X_r = FLTARR(80)X_r(0 :39) = LATMOS-ULB(4 :43,loc)X_r(40 :79) = LATMOS-ULB(43,loc);—-et de l’erreurErr = FLTARR(80)Err(0 :39) = LATMOS-ULB(44 :83,loc)Err(40 :79) = LATMOS-ULB(83,loc);—-suppression des -999 (orographie)IF (WHERE(X_r LT 0))(0) NE -1 THEN X_r([WHERE(X_r LT 0)]) = 0IF (WHERE(Err LT 0))(0) NE -1 THEN Err([WHERE(Err LT 0)]) = 0FOR k=0,79 DO BEGIN

;—-Calcul des colonnes partielles en DUX_r(k) = X_r(k)*M_o3*NewP(k)/(R*Result(k))*46696.241*10.ˆ(-9)Err(k) = X_r(k)*Err(k)

ENDFORmoy06 = TOTAL(X_r(0 :5))err06 = TOTAL(Err(0 :5))moy012 = TOTAL(X_r(0 :11))err012 = TOTAL(Err(0 :11))moy018 = TOTAL(X_r(0 :17))err018 = TOTAL(Err(0 :17))moy100 = TOTAL(X_r)err100 = TOTAL(Err)mat = [[mat],[LATMOS-ULB(0,loc),LATMOS-ULB(1,loc),moy06,err06,moy012,err012,$

moy018,err018,moy100,err100]]ENDIF

ENDIFENDIF

ENDIFENDFOR

ENDFORENDFORmat = mat(*,1 :(SIZE(mat))(2)-1)

D.2 Création du logiciel de comparaison

D.2.1 Création de la grille;—-Creation d’une grille [-180 ;-90 ;180 ;90] par pas de 1.4˚.FUNCTION creation_grille,MatMfin = [INDGEN(6)]pas = 1.4FOR i = -90.,90.,pas DO BEGIN

114

FOR j = -180.,180.,pas DO BEGIN;—-Valeur par defaut : -999.moy1 = -999.moy2 = -999.moy3 = -999.moy4 = -999.X1 = Mat(*,[WHERE (Mat[0,*]-i LT pas/2. AND Mat[0,*]-i GT -pas/2. $

AND Mat[1,*]-j LT pas/2. AND Mat[1,*]-j GT -pas/2.,count)])IF count NE 0 THEN BEGIN

moy1 = MEAN(X1[2,*])moy2 = MEAN(X1[3,*])moy3 = MEAN(X1[4,*])moy4 = MEAN(X1[5,*])

ENDIFMfin = [[Mfin],[i,j,moy1,moy2,moy3,moy4]]

ENDFORENDFOR;—-Elimination de la premiere ligne.Mfin = Mfin[*,1 :(SIZE(Mfin))(2)-1]RETURN, MfinEND

D.2.2 Création sous format netCDF;—-Creation sous le format netCDFFUNCTION creation_ncdf, Mat_Eumetsat,date,dossier_sortie,OrigineA = -90FOR i = -90.+1.4,90,1.4 DO BEGIN

A = [A,i]ENDFORB = -180FOR i = -180.+1.4,180,1.4 DO BEGIN

B = [B,i]ENDFORC = [6,12,18,100]id = NCDF_CREATE(dossier_sortie+’\’+date+’_O3_’+Origine+’.nc’,/CLOBBER)NCDF_CONTROL, id, /FILLlat = NCDF_DIMDEF(id,’Latitude’, 129)lon = NCDF_DIMDEF(id, ’Longitude’, 258)z = NCDF_DIMDEF(id, ’Ozone_Column’, /UNLIMITED)O3 = NCDF_DIMDEF(id, ’Ozone’, 129.*258*4)latid = NCDF_VARDEF(id,’Latitude’,[lat],/FLOAT)lonid = NCDF_VARDEF(id,’Longitude’,[lon],/FLOAT)zid = NCDF_VARDEF(id,’Ozone_column’,[z],/FLOAT)O3id = NCDF_VARDEF(id,’Ozone’,[lat,lon,z],/FLOAT)NCDF_ATTPUT, id, latid, ’long_name’, ’Latitude’NCDF_ATTPUT, id, latid, ’units’, ’Degrees’NCDF_ATTPUT, id, latid, ’axis’, ’y’NCDF_ATTPUT, id, lonid, ’long_name’, ’Longitude’NCDF_ATTPUT, id, lonid, ’units’, ’Degrees’

115

NCDF_ATTPUT, id, lonid, ’axis’, ’x’NCDF_ATTPUT, id, zid, ’units’, ’km’NCDF_ATTPUT, id, zid, ’long_name’, ’Height of column’NCDF_ATTPUT, id, zid, ’axis’, ’z’NCDF_ATTPUT, id, O3id, ’units’, ’Dobson Units’NCDF_ATTPUT, id, /GLOBAL, ’Title’, ’Partial and total columns of Ozone [DU] of ’+date+’.’NCDF_CONTROL, id, /ENDEFNCDF_VARPUT, id, latid, ANCDF_VARPUT, id, lonid, BNCDF_VARPUT, id, zid, CFOR h = 0.,4-1 DO BEGIN

FOR j = 0.,129-1 DO BEGINNCDF_VARPUT, id, O3id, Mat_Eumetsat(h+2,0+j*258 :258-1+j*258), OFFSET=[j,0,h]

ENDFORENDFORNCDF_CLOSE, idEND

D.2.3 Comparaison des profils/histogrammesFUNCTION histo_EvsC,Mat_Eum,Mat_CNRMcol = 5loc = WHERE(Mat_CNRM(col,*) NE -999)loc2 = WHERE(Mat_Eum(col,*) NE -999);—-Cas de la selection des latitudes > -60 ˚.;loc = WHERE(Mat_CNRM(col,*) NE -999 AND Mat_CNRM(0,*) GT -60);loc2 = WHERE(Mat_Eum(col,*) NE -999 AND Mat_Eum(0,*) GT -60)minval = MIN([MIN(Mat_CNRM(col,loc)),MIN(Mat_Eum(col,loc2))])maxval = MAX(Mat_Eum(col,loc2));—-Calcul des moyennes et ecarts-types pour Eum et CNRMmg = MEAN(Mat_CNRM(col,loc))m = MEAN(Mat_Eum(col,loc2))sg = STDDEV(Mat_CNRM(col,loc))s = STDDEV(Mat_Eum(col,loc2))countG = MAKE_ARRAY(2)count = MAKE_ARRAY(2)FOR i=minval,maxval DO BEGIN

;—-Recuperation du nombre d’element entre i et i+1, ramene au nombre total d’element.count = [[count],[i,(N_ELEMENTS(WHEREMat_Eum(col,loc2) GT i AND $

Mat_Eum(col,loc2) LE i+1))*100./N_ELEMENTS(loc2)]]countG = [[countG],[i,(N_ELEMENTS(WHERE(Mat_CNRM(col,loc) GT i AND $

Mat_CNRM(col,loc) LE i+1))*100./N_ELEMENTS(loc)]]ENDFORcount = count(*,1 :(SIZE(count))(2)-1)countG = countG(*,1 :(SIZE(countG))(2)-1)A = INDGEN(MAX(count)+100)WINDOW,0,XSIZE=400,YSIZE=300!P.FONT=0!P.MULTI=[0,1,0,0,0];—-Plot pour EUMETSAT

116

PLOT, count(0,*),count(1,*),BACKGROUND=-1,COLOR=0,XRANGE=[0,400],$XTITLE=’Colonne Totale [DU]’,TITLE=’EUMETSAT vs CNRM’,$POSITION=[0.05,0.11,0.95,0.91],YTICKINTERVAL=1

;—-Avec les barres verticales de la moyenne + ou - l’ecart typeOPLOT,A*0+m,A,LINESTYLE=3,COLOR=0OPLOT,A*0+m-s,A,LINESTYLE=1,COLOR=0OPLOT,A*0+m+s,A,LINESTYLE=1,COLOR=0;—-De meme pour les donnes CNRM, changement de couleurOPLOT, countG(0,*),countG(1,*),COLOR=250*250*249OPLOT,A*0+mg,A,LINESTYLE=3,COLOR=250*250*249OPLOT,A*0+mg-sg,A,LINESTYLE=1,COLOR=250*250*249OPLOT,A*0+mg+sg,A,LINESTYLE=1,COLOR=250*250*249PRINT, ’Stat EUMETSAT =’,m,sPRINT, ’Stat CNRM =’,mg,sgPRINT, ’Variation =’,(m-mg)*100./m-100,(s-sg)*100./s-100RETURN, countEND

D.2.4 Création des cartesPour créer la carte à partir d’une matrice, on procède à une répartition sur grille temporaire.

Cependant, pour des raisons d’affichage, il est utile d’établir la grille de manière différente. Eneffet, dans le cas normal pour créer une carte, le logiciel IDL va colorer le carré dont 4 pointsen formeront les sommets. Si l’un des points est absents, seul un triangle sera coloré. Et si deuxpoints sont absents, c’est juste un trait qui apparaîtra, ce qui n’est pas forcément visible sur unegrille de l’ordre de 180 éléments par 360.

Ici, je décris une méthode qui va permettre d’afficher tous les points présents de la grille. Ilfaut bien comprendre que la grille ou les données qui servent aux calculs ne sont pas modifiées,mais seulement la grille temporaire concernée par l’affichage. Pour ce faire, la méthode est biensimple : un point va contaminer de sa valeur les 4 points de la maille qui l’entoure. Et si l’undes sommets a déjà été assimilé à une valeur, le programme fait la moyenne des points qui ysont présents.

;—-Necessite : contour_on_map.pro, colorbar.pro, fsc_color.proFUNCTION creation_JPEG_mat_NoCumul, Mat1, pas, jourlines = (SIZE(Mat1))(2)lat = -89.999FOR i = -89.999+pas,90,pas DO BEGIN

lat = [lat,i]ENDFORlon = -179.999FOR i = -179.999+pas,180,pas DO BEGIN

lon = [lon,i]ENDFOR;—-Matrice de la somme des quantites d’ozone, taille longitude×latitude.Mat = MAKE_ARRAY(FIX((180+179.999)/pas)+1,FIX((90+89.999)/pas)+1);—-Matrice du nombre de points contribuant.Matc = MAKE_ARRAY(FIX((180+179.999)/pas)+1,FIX((90+89.999)/pas)+1)+1.;—-Boucle sur le nombre de lignes.FOR i = 0.,lines-1 DO BEGIN

117

;—-Recuperation des 4 sommets [a,b,c,d].loclat1 = WHERE(lat-Mat1(0,i) GT 0)a = loclat1(0)loclat2 = WHERE(-(lat-Mat1(0,i)) GT 0)b = loclat2(N_ELEMENTS(loclat2)-1)loclon1 = WHERE(lon-Mat1(1,i) GT 0)c = loclon1(0)loclon2 = WHERE(-(lon-Mat1(1,i)) GT 0)d = loclon2(N_ELEMENTS(loclon2)-1)IF a EQ -1 || b EQ -1 || c EQ -1 || d EQ -1 THEN BEGINENDIF ELSE BEGIN

IF Mat(c,a) NE 0 THEN BEGINMat(c,a) = TOTAL([Mat(c,a),Mat1(5,i)],/NAN)Matc(c,a) = Matc(c,a)+1

ENDIF ELSE BEGINMat(c,a) = Mat1(5,i)Matc(c,a) = 1

ENDELSEIF Mat(d,a) NE 0 THEN BEGIN

Mat(d,a) = TOTAL([Mat(d,a),Mat1(5,i)],/NAN)Matc(d,a) = Matc(d,a)+1

ENDIF ELSE BEGINMat(d,a) = Mat1(5,i)Matc(d,a) = 1

ENDELSEIF Mat(c,b) NE 0 THEN BEGIN

Mat(c,b) = TOTAL([Mat(c,b),Mat1(5,i)],/NAN)Matc(c,b) = Matc(c,b)+1

ENDIF ELSE BEGINMat(c,b) = Mat1(5,i)Matc(c,b) = 1

ENDELSEIF Mat(d,b) NE 0 THEN BEGIN

Mat(d,b) = TOTAL([Mat(d,b),Mat1(5,i)],/NAN)Matc(d,b) = Matc(d,b)+1

ENDIF ELSE BEGINMat(d,b) = Mat1(5,i)Matc(d,b) = 1

ENDELSEENDELSE

ENDFOR;—-Calcul de la matrice, moyenne points par points.Mat = Mat/MatcIF (WHERE(Mat EQ 0))(0) NE -1 THEN Mat[WHERE(Mat EQ 0)] = !Values.F_NAN;—-Nombre d’elements F_NAN.nNANtot = N_ELEMENTS(WHERE(FINITE(Mat, /NAN)))IF (WHERE(FINITE(Mat, /NAN)))(0) EQ -1 THEN nNANtot = 0;—-Calcul du pourcentage de la carte recouverte par les donnees.percent = (N_ELEMENTS(Mat)-nNANtot)*100./N_ELEMENTS(Mat)contour_on_map, lon, lat, Mat, ct=26,latrange=[-90,90],lonrange=[-180,180],ncolors=15,$

118

cbar_title=’CNRM Total ozone [DU] (2008_09_’+jour+’)’,$xsize=1000,ysize=650,POSITION=[0.05,0.15,0.95,0.95],$c_position=[0.05,0.05,0.95,0.08],$colorbar_min=0,colorbar_max=400

END

D.2.5 Noyau de la fonctionBase

PREF_SET, &’IDL_PATH’, ’+D :\PUBLIC\Data_Comparison ;<IDL_DEFAULT>’,/COMMIT;—-Format date : yyyymmdd -> renvoi year_n/year, etc, suivant le besoin de int ou stringdate = STRCOMPRESS(STRING(yyyymmdd),/REMOVE_ALL)year_n = yyyymmdd/10ˆ4year = STRCOMPRESS(STRING(year_n),/REMOVE_ALL)month_n = (yyyymmdd-year_n*10ˆ4)/10ˆ2IF month_n LT 10 THEN month = STRCOMPRESS(’0’+STRING(month_n),/REMOVE_ALL) &

ELSE month = STRCOMPRESS(STRING(month_n),/REMOVE_ALL)day_n = yyyymmdd-year_n*10ˆ4-month_n*10ˆ2IF day_n LT 10 THEN day = STRCOMPRESS(’0’+STRING(day_n),/REMOVE_ALL) &

ELSE day = STRCOMPRESS(STRING(day_n),/REMOVE_ALL);—-creation du dossier de sortie des donneesdossier_sortie = STRCOMPRESS(’D :\PUBLIC\Data_Comparison\Test_’&

+year+’_’+month+’_’+day,/REMOVE_ALL)FILE_MKDIR, dossier_sortie;—-Appel des donnees correspondantesMat_Eum = creation_txt_Eumetsat(date,dossier_sortie)EUMETSAT_ncdf = creation_ncdf(Mat_Eum,date,dossier_sortie,’EUMETSAT’)Mat_LATMOS-ULB = creation_txt_ULB(date,dossier_sortie)Mat_MIPAS = creation_txt_MIPAS_std(date,dossier_sortie);—-Condition sur l’existence du jour MIPASIF Mat_MIPAS(0) NE -1 THEN &

MIPAS_ncdf = creation_ncdf(Mat_MIPAS,date,dossier_sortie,’MIPAS’)Mat_CNRM = creation_txt_CNRM(date,dossier_sortie)

Sous-fonctions appelées.

;—-EUMETSATFUNCTION creation_txt_Eumetsat, date,dossier_sortiePREF_SET, &’IDL_PATH’, ’+D :\PUBLIC\Data_Eumetsat\Lecture ;<IDL_DEFAULT>’,/COMMITCLOSE,/ALLResult = FILE_SEARCH(’D :\PUBLIC\Data_Eumetsat\*’)Res = Result([WHERE(STRMATCH(Result,’*’+date+’*’) EQ 1)])matTot=INDGEN(6)n_col = (SIZE(Res))(1)FOR i=0,n_col-1 DO BEGIN

fichier = Res(i)

119

matTemp = lecture_data(fichier)matTot = [[matTot],[matTemp]]

ENDFORmatTot = matTot(*,1 :(SIZE(matTot))(2)-1);—-Ecriture des fichiers .txt qui serviront a la comparaison et aux statistiquesOPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_Eumetsat.txt’,/REMOVE_ALL)PRINTF, 1, matTotCLOSE, 1;—-Creation de la grille associee a la matriceMgrid = creation_grille(matTot)OPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_Eumetsat_grid.txt’,/REMOVE_ALL)PRINTF, 1, MgridCLOSE, 1PREF_SET, ’IDL_PATH’, /DEFAULTRETURN, MgridEND

;—-LATMOS-ULBFUNCTION creation_txt_ULB, date,dossier_sortiePREF_SET,&’IDL_PATH’, ’+D :\PUBLIC\Data_ULB\Lecture_ULB ;<IDL_DEFAULT>’,/COMMITCLOSE,/ALLResult = FILE_SEARCH(’D :\PUBLIC\Data_ULB’)Res = STRCOMPRESS(Result([WHERE(STRMATCH(Result,’*’+date+’*’) EQ 1)]),$

/REMOVE_ALL)n_col = (SIZE(Res))(1)Mat = INDGEN(10)FOR i=0,n_col-1 DO BEGIN

fichier = Res(i)MaTemp = lecture_err(fichier)Mat = [[Mat],[MaTemp]]

ENDFORMat = Mat(*,1 :(SIZE(Mat))(2)-1)OPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_LATMOS-ULB_err.txt’,&

/REMOVE_ALL),WIDTH=250PRINTF, 1, MatCLOSE, 1Mgrid = creation_grille(Mat)OPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_LATMOS-ULB_grid.txt’,/REMOVE_ALL)PRINTF, 1, MgridCLOSE, 1PREF_SET, ’IDL_PATH’, /DEFAULTRETURN, MgridEND

;—-MIPASFUNCTION creation_txt_MIPAS_std, date,dossier_sortiePREF_SET,&’IDL_PATH’, ’+D :\PUBLIC\Data_MIPAS\IDL_routines ;<IDL_DEFAULT>’,/COMMITCLOSE,/ALL

120

Result = FILE_SEARCH(’D :\PUBLIC\Data_MIPAS’)Res = STRCOMPRESS(Result([WHERE(STRMATCH(Result,’*’+date+’*’) EQ 1)]),&

/REMOVE_ALL);—-Condition sur l’existence du jourIF (WHERE(STRMATCH(Result,’*’+date+’*’) EQ 1))(0) EQ -1 THEN BEGIN

PRINT, ’Absence de donnees pour la journee ’+date+’.’;—-Possibilite de recuperer une autre journee;Res = dialog_pickfile(/read)Mgrid = -1

ENDIF ELSE BEGINMat = INDGEN(10)FOR i = 0,(size(Res))(3)-1 DO BEGIN

fichier = Res(i)matTemp = write_colpart_stddev(fichier)Mat = [[Mat],[matTemp]]

ENDFORMat = Mat(*,1 :(SIZE(Mat))(2)-1)OPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_MIPAS_std.txt’,&

/REMOVE_ALL),WIDTH=250PRINTF, 1, MatCLOSE, 1Mgrid = creation_grille_std(Mat)OPENW, 1, STRCOMPRESS(dossier_sortie+’\’+date+’_MIPAS_grid_std.txt’,&

/REMOVE_ALL),WIDTH=250PRINTF, 1, MgridCLOSE, 1PREF_SET, ’IDL_PATH’, /DEFAULT

ENDELSERETURN, MgridEND

Pour les données CNRM et la création du format NetCDF, ce sont les fonctions lecture_CNRM_O3et creation_ncdf déjà décrites précédemment qui sont appelées.

121

Annexe E

Volumes et temps de calculs.

E.1 Volumes de donnéesLes données fournies par les différents satellites ou laboratoires représentent un volume

important en terme d’espace disque. Pour se faire une idée, les différents volumes et fichierssont représentés dans le tableau E.1.

Jours Mois AnnéesFormat 1 31 12 2

EUMETSAT Données brutes 900 27900 334800 669600Extraction 18 558 6696 13392

Grille (.txt + .nc) 3 93 1116 2232LATMOS-ULB Données brutes 8180 253580 3042960 6085920

Extraction 22.34 692.54 8310.48 16620.96Grille (.txt + .nc) 3 93 1116 2232

MIPAS Données brutes 14.4 446.4 5356.8 10713.6Extraction 0.191 5.921 71.052 142.104

Grille (.txt + .nc) 3 93 1116 2232CNRM Données brutes 825 25575 306900 613800

Extraction 0.64 19.84 238.08 476.16Grille (.txt + .nc) 3 93 1116 2232

TOTAL (Go) 10 309 3710 7420

TABLE E.1 – Volume de données traitées suivant les différentes origines (le tout en Mo) et letotal (en Go). Ainsi, un mois de données correspond à plus de 309 Go de données. Si on neprend que les données d’EUMETSAT pour la routine, on arrive à un total de 342 Go.

L’importance des données du LATMOS-ULB s’explique par la présence des matrices 40x40 del’averaging kernel qui permet de retrouver le profil d’ozone lissé. Elles correspondent alors àenviron 82% du total. Les données d’EUMETSAT, quant à elles, environ 9%.

122

E.2 Temps de calcul

E.2.1 Récupération LATMOS-ULBVersion 1

Les données LATMOS-ULB sont stockées et comprimées dans un fichier .tar, lui mêmecontenant une quinzaine de fichier .bz2 pour chaque orbite. Si le taux de compression est de100% pour le premier échelon, il est de 24% pour le second. Ainsi, les données brutes pesant∼ 8 Go sont comprimées à ∼ 2 Go avant l’extraction. Ce qui prend le plus temps est justementl’extraction des 15 fichiers des orbites. Il faut compter environ 1 heure pour l’extraction etensuite, dans le cas optimal, 15 minutes pour lire et créer le fichier .txt de la journée considérée.

Version 2

Dans ce cas, les données du LATMOS-ULB sont couplées aux données d’EUMETSAT.Pour lire une journée, il faut donc lire la même journée sur les 2 sources, comme l’explicitele code D.1.2. De plus, la recherche des couples [latitude,longitude] identiques, la récupérationdes profils de température et pression avec le calcul de l’altitude et surtout l’interpolation dela température sur d’autres niveaux d’altitude va allonger considérablement le temps de calcul.Ainsi, la récupération d’une unique journée prendra environ 2 heures, pour seulement ∼500points.

E.2.2 Récupération EUMETSATLecture

La lecture des données d’EUMETSAT se fait assez rapidement. Le code établi sous formede condition afin de vérifier la validité d’un point va mettre seulement une quinzaine de minutesà produire la matrice rassemblant toutes les valeurs.

Répartition sur grille

Cependant, c’est au niveau de la répartition sur grille que la récupération des données EU-METSAT prend le plus de temps. Fortement dépendant de la quantité de points, le temps decalcul prendra en moyenne 15 à 20 minutes. Lorsque les calculs nécessitent plusieurs jours(comme une répartition sur grille à partir de jours moyennés), il faut multiplier le temps decalcul par le nombre de jour. Ainsi, un mois réparti sur grille peut prendre jusqu’à 10 heures(moyenner les grilles de chaque jour ne serait pas un calcul exact du fait qu’il faudrait alors tenircompte de la pondération assimilée au nombre de points utilisés pour chaque point de grille).

E.2.3 Récupération MIPAS et CNRMPour ces deux jeux de données, la récupération se fait assez rapidement. En effet, le nombre

de points pour les données MIPAS est faible, il suffit alors de quelques minutes pour effectuerles calculs de conversion entre [ppm] et [Dobsons]. De même, les données CNRM étant déjàreparties sur une grille avec les niveaux d’altitudes en kilomètres, c’est là aussi une conversiond’unité qui prendra le temps de récupération, c’est-à-dire quelques minutes.

123

Table des figures

1.1 Satellite MetOp et ses divers instruments l’accompagnant. . . . . . . . . . . . 71.2 à gauche, les pincipaux éléments composant l’interféromètre IASI. A droite, le

mode d’osbervation de IASI : l’instrument mesure le spectre infrarouges émispar la Terre et l’atmosphère sur une largeur d’environ 2200 km, tous les 50 kmau nadir avec 4 empreintes de 12 km de diamètre (crédits images : ESA, CNES) 8

2.1 Structure basique des CCMs incluant la globalité de la science atmosphérique. . 112.2 Date de la restitution de l’ozone selon l’année de référence (abscisse) sur diffé-

rentes couches de l’atmosphère décomposée en isobares ([9]). Les zones blanchescorrespondent au fait que le modèle moyen ne constate pas de restitution del’ozone à la fin de la simulation, c’est-à-dire passé 2094. . . . . . . . . . . . . 14

3.1 Gauche : l’atmosphère terrestre et ses différentes couches (Crédit : LaurenceJacquenod). Droite : Les couches de l’atmosphère et la moyenne temporelledes échanges entre elles. La différence entre hémisphère sud et hémisphère nordest assez marquante et les turbulences dans la troposphère sont aussi mises enévidence. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.3 Répartition de l’ozone dans l’atmosphère, concentré à 90% dans la stratosphère. 233.2 Représentation de l’angle zénithal solaire, avec l’angle zénithal de visée (Vie-

wing Zenith Angle, angle entre le satellite et le zénith au point d’observation).Afin d’observer la surface sous une incidence constante, la somme des deuxangles doit être maintenue durant les observations (Crédit : NASA). . . . . . . 23

3.4 Spectre en radiance IASI normalisé et ses bandes spectrales (Crédit : Eumetsat). 25

4.1 Echantillonnage spatial et temporel. À gauche, l’échantillonnage spatial. À chaquetrait correspond un jour (les 5 premiers jours du mois de septembre 2008), ennoir pour une grille de 1.4˚×1.4˚ et en bleu pour une grille de 2.8125˚×8.125˚(ici seulement 3 jours). En rouge, la limite du critère de Student, à 1.96. Àdroite, l’échantillonnage temporel, sur le mois d’août 2008. . . . . . . . . . . . 33

4.2 Résultats de l’échantillonnage spatial sur carte. En haut, la journée complète du1er septembre 2008, et en bas, la même journée, mais avec un échantillonnagespatial de 2. Les différences sont difficilement observables. La couverture estmoins importante sur l’échantillonnage de 2, sans être trop significatif. . . . . . 34

4.3 Résultats de l’échantillonnage temporel sur carte. En haut, les 31 jours du moisd’août 2008 sur grille moyennés, et en bas, 13 jours du même mois. Le pasd’échantillonnage est de 2.5, ce qui correspond aux jours suivants : 1, 3, 6, 8,11, 13, 16, 18, 21, 23, 26, 28 et 31. On observe quelques différences minimes,les plus nombreuses au niveau des hautes latitudes et de la couverture nuageuse. 35

4.4 Histogrammes des données EUMETSAT et LATMOS-ULB pour différentesdéfinitions de l’altitude de la tropopause. En tirets sont disposés les moyennes.En pointillés et traits pleins, les écarts types à 1 σ. . . . . . . . . . . . . . . . . 37

124

4.5 Tables des couleurs utilisées : celle du haut (table IDL 26) correspond à unereprésentation directe des valeurs d’ozone (le plus souvent en Dobson, allantde 200 à 400 Dobsons pour la colonne totale), et celle du bas (table IDL 33)correspondant à la différence entre deux jeux de données, aussi en unité Dobson. 38

4.6 Différence sur les points identiques des valeurs issues d’EUMETSAT et duLATMOS-ULB pour une journée (2008_09_01). Seuls les points possédant lecouple [longitude,latitude] strictement identique ont été sélectionnés. En ef-fet, les données provenant du LATMOS-ULB et d’EUMETSAT sont issuesdu même satellite, et donc les coordonnées devraient correspondre. Cependant,puisque les deux laboratoires procèdent à un retrieval différent et ont des flagsnuageux variables, celles-ci peuvent varier. . . . . . . . . . . . . . . . . . . . 39

4.7 Histogrammes des valeurs des colonnes totales d’ozone entre EUMETSAT (noir)et LATMOS-ULB (rouge) pour le 1er septembre 2008. En haut à gauche, sur latotalité du globe, à droite, pour les latitudes inférieures à -45˚, en bas à gauche,entre -45˚ et 45˚, et à droite, pour les latitudes supérieures à 45˚. . . . . . . . . 40

4.8 Cartes des différences entre EUMETSAT et LATMOS-ULB pour les 3 colonnespartielles et la colonne totale (valeurs allant de -50 à + 50 Dobson). En haut àgauche, la colonne partielle [0-6] km. En haut à droite, la colonne partielle [0-12] km. En bas à gauche, la colonne partielle [0-18] km puis enfin la colonnetotale en bas à droite, similaire à la figure 4.6. . . . . . . . . . . . . . . . . . . 41

4.9 Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008. . . . . . . . . . . . . . 42

4.10 Sélection sur des longitudes comprises entre 40 et 45˚ des valeurs d’ozone selonles latitudes. En haut, pour les colonnes partielles [0-6], [0-12] et [0-18] km, enbas, sur toute la colonne totale. . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.11 Carte de la différence entre EUMETSAT et LATMOS-ULB (colonne totale au1er septembre 2008). Ici sont représentés uniquement les points où la colonnetotale d’EUMETSAT est comprise dans l’écart type de la colonne totale duLATMOS-ULB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.12 Histogramme des points correspondant à la carte 4.11. La moyenne est d’envi-ron +7.6 DU, soit un écart positif des valeurs d’EUMETSAT par rapport à celledu LATMOS-ULB, sur la sélection de points précédement évoquée. . . . . . . 44

4.13 Histogrammes des valeurs en ozone (Dobson) du 1er septembre 2008. En noir,les données EUMETSAT, en rouge, les données LATMOS-ULB. L’ordonnéecorrespond au nombre de points et non au pourcentage de points. Le graphiquede gauche correspond à la journée total, le graphique du milieu à une sélectiondes données jour, et le graphique à droite, aux données nuit. . . . . . . . . . . . 45

4.14 À gauche, cartes EUMETSAT et LATMOS-ULB des valeurs en ozone du 1er

septembre 2008 (échelle de 200 à 400 Dobsons). À droite, cartes des différencesentre le jour et la nuit (jour - nuit, pour une échelle de -50 à +50 Dobsons). . . . 46

4.15 Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008 (JOUR) . . . . . . . . . 47

4.16 Les nuages de points correspondant à la comparaison entre EUMETSAT et leLATMOS-ULB pour la journée du 1er septembre 2008 (NUIT). . . . . . . . . . 48

4.17 Couverture nuageuse en fonction du nombre de jours moyennés. Les différentescourbes correspondent à différents jours de départ (1er août 2008, 15 août et 1er

septembre). Dès que la moyenne utilise plus de 5 jours, la fraction nuageusedevient inférieure à 5% du globe. . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.18 Histogrammes des valeurs sur un jour, 15 et 30, à partir du mois de septembre2008. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

125

4.19 Dénombrement de l’écart relatif entre les données LATMOS-ULB avec le profilde pression constant sur le globe et les données LATMOS-ULB avec le profilde pression issu des données EUMETSAT, le tout sur 390 points (voir 4.6). Lerouge correspond aux latitudes inférieures à 60˚S. . . . . . . . . . . . . . . . . 53

4.20 Pour deux points, observation du profil en [ppm] (courbe en haut à gauche), desprofils de pressions (suivant les calculs de la section précédente (voir l’équa-tion 3.3) en noir, et l’équation 4.4 utilisée maintenant en rouge. Les résultatsdonnent les profils d’ozone suivant avec un écart de +9% pour le point de gauche[76.58,-91.67] et -53.46% pour le point de droite [-86.37,-156.08], situé en des-sous de 60˚S. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.21 Comparaison sur cartes des valeurs du LATMOS-ULB avec l’ancienne méthodeà gauche, et la nouvelle à droite. Outre la réduction très importante du nombrede points, on constate que la zone Antarctique est très inférieure à la premièreversion, et semble dorénavant bien mieux consistante avec la réalité du troudans la couche d’ozone. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.22 Comparaison sur cartes des valeurs du LATMOS-ULB avec l’ancienne méthodeen haut, et la nouvelle en bas. Ces cartes correspondent aux 10 premiers joursdu mois de septembre 2008. . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.23 Sur les journées des 31 août, 1er et 2nd septembre, nuages de points entre lesdonnées LATMOS-ULB issues du premier calcul (L1) et du second calcul (L2). 55

4.24 Nuages de points entre les données d’EUMETSAT (en abscisse), et les donnéesdu LATMOS-ULB (en ordonnées). La ligne du haut correspond à la premièreversion du LATMOS-ULB alors que celle du bas correspond à la méthode uti-lisée dans cette section. On constate un net rapprochement des valeurs. Il s’agitici d’environ 450 points pour les journées du 31 août, 1er et 2nd septembre. . . . 56

4.25 Comparaison sur cartes des valeurs EUMETSAT (en haut) et LATMOS-ULB(en bas). Ces cartes correspondent aux 10 premiers jours du mois de septembre2008. Peu de points sont disponibles entre 30˚S et 60˚S, cependant, on observeune bonne correspondance sur le globe. . . . . . . . . . . . . . . . . . . . . . 57

4.26 Distributions statistiques des valeurs EUMETSAT et LATMOS-ULB. À gauche,différence entre les données EUMETSAT et LATMOS-ULB v2, avec une moyenneà 11 Dobsons, soit +4%, au milieu, distribution statistique des valeurs entre cesmêmes données et à droite, EUMETSAT corrigé selon son erreur estimée (voirla section 4.4.4). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.27 Représentations des erreurs à partir du tableau 4.7. Sur la figure de gauche, enrouge est représentée l’erreur du LATMOS-ULB en %, fonction de la colonned’ozone, en bleu est représentée l’erreur entre EUMETSAT et le LATMOS-ULB et enfin, en noir, l’erreur totale en %. De cette erreur totale, on bâtit lesbarres d’erreur sur le profil d’ozone, figure de droite. . . . . . . . . . . . . . . 60

4.28 Au 1er septembre 2008, distribution statistique des valeurs des colonnes totalesd’ozone en rouge pour MIPAS et en noir pour EUMETSAT. En bas, sur latotalité des points, au milieu, lorsque la colonne partielle [0-18] est présente,en haut, lorsque la colonne partielle [0-12] est présente. Le cas où la colonnepartielle [0-6] est présente n’a pas été représentée car elle comporte moins d’unedizaine de points. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.29 Sélection sur une longitude de la colonne totale en fonction de la latitude. Figuredu haut, les valeurs sont prises telles quelles, alors que sur la figure du bas,on ajoute aux données MIPAS les colonnes partielles [0-6] km d’EUMETSATcorrespondantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

126

4.30 Carte de la colonne totale d’ozone (DU) issue d’une journée de données MIPAS.Le nombre de points est pour cette journée du 1er septembre 2008 est de 2318,dont 35 disposent d’une colonne [0-6] km, 1257 d’une colonne [0-12] km et2108 d’une colonne [0-18]km. . . . . . . . . . . . . . . . . . . . . . . . . . . 64

4.31 Distributions statistiques des valeurs de colonnes totales d’EUMETSAT issuesdes produits de niveaux 2 (en noir) en comparaison avec la répartition sur grille(en rouge). À gauche, sur une grille de 1.4˚×1.4˚et à droite, sur une grille de2.8125˚×2.8125˚. Les valeurs sont en pourcentage du nombre total de pointsvalides (ie les points où il n’y a pas de données, -999, ont été omis). . . . . . . 65

4.32 Cartes Eumetsat non réparti sur une grille (en haut) et Eumetsat sur une grillede 1.4˚×1.4˚ à gauche et 2.8125˚×2.8125˚ à droite. Afin d’observer au mieuxles similitudes, la grille graphique est identique pour les 3 cas et correspond àla plus grande, c’est à dire celle de 2.8125˚. Les différences ne sont pas signifi-catives. Il s’agit alors d’une réduction de finesse qui s’opère en agrandissant lepas de la grille. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

5.1 Carte des données CNRM du 1er septembre 2008. On constate un grand fosséau niveau des valeurs en dessous de -60˚de latitude. . . . . . . . . . . . . . . . 69

5.2 Distributions statistiques des valeurs en colonne totale d’ozone au 1er septembre2008 pour les données d’EUMETSAT (en noir) sur grille et celles du CNRM(en vert). À gauche est représenté la globalité des données, alors qu’à droite, unesélection des latitudes supérieures à -60˚a été faite pour constater l’importancede la zone Antarctique dans les données du CNRM (voir aussi 5.1). . . . . . . . 70

5.3 Colonne totale d’ozone au 1er septembre 2008 sur toutes les latitudes. En noir,les valeurs d’EUMETSAT, en vert, les valeurs du CNRM, et en rouge, le pour-centage de différence entre les deux (échelle à droite). . . . . . . . . . . . . . . 71

5.4 Représentation de la moyenne journalière des données d’EUMETSAT (noir),d’EUMETSAT sur grille (noir, tirets), du LATMOS-ULB (rouge), de MIPAS(bleu) et du CNRM (vert). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

5.5 Carte orthographique ciblant le pôle Sud où la colonne totale d’ozone est trèsinférieure à la limite de 220 Dobsons, en dessous de laquelle on considère qu’ils’agit d’un trou dans la couche d’ozone. . . . . . . . . . . . . . . . . . . . . . 72

5.6 Colonne totale entre [-90˚,-60˚] en latitude et [-90˚,0˚] en longitude, ciblée surla zone Antarctique. Sont représentées en pointillés les moyennes avant et aprèsle 24 août, date d’apparition du trou de la couche d’ozone et les valeurs deschutes. EUMETSAT chute de 14% alors que le CNRM chute de 46%. . . . . . 73

5.7 Distributions statistiques sur différents jours moyennés en grille de 1.4˚ pourEUMETSAT et pour les données du CNRM. En haut à gauche : le 1er août2008, en haut à droite, du 1er au 5 août, en bas à gauche, du 1er au 10 et en basà droite, du 1er au 31. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

5.8 Colonne totale d’ozone pour tout le mois d’août 2008 sur toutes les latitudes.En noir, les valeurs d’EUMETSAT, en vert, les valeurs du CNRM, et en rouge,le pourcentage de différence entre les deux (échelle à droite). La moyenne deces pourcentages d’erreur est affichée (7.14798% pour 31 jours moyennés). . . 75

5.9 Déficit en millions de tonnes de l’ozone en dessous de 40˚S, relatif à 220 DU.On observe bien l’apparition cyclique du trou au niveau des mois d’août, sep-tembre, octobre et novembre de l’année. Crédit : NASA. . . . . . . . . . . . . 76

5.10 Distribution statistique sur 3 mois des données EUMETSAT et CNRM. Sur lafigure de gauche, les mois de Janvier, Février et Mars 2008, sur la figure dedroite, les mois d’Août, Septembre et Octobre 2008. . . . . . . . . . . . . . . . 77

127

5.11 Minimum, moyenne et maximum de la colonne totale issue des données CNRMen dessous de 40˚S, sur toute l’année type. . . . . . . . . . . . . . . . . . . . . 77

5.12 On retrouve pour la colonne totale, entre 90˚S et 90˚N la distribution statistiquede la figure 5.10, à droite. Les valeurs sont résumées dans le tableau 5.4 pourplus de lisibilité, avec les écarts relatifs exprimés. Malheureusement, pour desraisons de capacité informatique de mémoire, ce graphique représente 2 mois :janvier et février 2008. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

5.13 Minimum, moyenne et maximum de la colonne totale issue des données CNRMen vert, EUMETSAT en noir, et EUMETSAT corrigé en rouge, le tout en des-sous de 40˚S, sur toute l’année type et 2008. . . . . . . . . . . . . . . . . . . . 80

5.14 Carte du CNRM en représentation orthographique ciblée sur la zone Antarc-tique afin de mettre en évidence le trou de la couche d’ozone et ses valeursextrêmement faible. Ici, l’échelle a été adaptée aux valeurs où 400 Dobsonsreste le maximum, mais le minimum devient 60 Dobsons. À droite, distributionstatistique des valeurs EUMETSAT et CNRM, à partir de 0 Dobson. . . . . . . 81

5.15 Carte des valeurs du CNRM, comprises entre 60 et 400 Dobsons (échelle étiréepar rapport aux précédentes cartes), pour la colonne totale, un 30 septembre. . 82

5.16 Carte des différences entre les points valides d’EUMETSAT et la carte du CNRM.L’échelle est comprise entre -150 et +150 (c’est-à-dire le minimum et le maxi-mum). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

6.1 Comparaison des minima, moyennes et maxima des différents jeux de donnéesavec en rouge, les données OMI fournies par la NASA, en noir, les donnéesEUMETSAT et en vert, les données du CNRM. À gauche, cas où les valeursd’EUMETSAT sélectionnées sont les latitudes inférieures à 60˚S et à droite,inférieures à 40˚S. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

6.2 Comparaison sur cartes des valeurs EUMETSAT, EUMETSAT "corrigées", LATMOS-ULB et CNRM, correspondant aux 10 premiers jours du mois de septembre 2008. 86

6.3 Cartes centrées sur l’Antarctique pour 3 jours consécutifs : les 23, 24, 25 août2008. La première ligne correspond aux cartes OMI, la seconde colonne cor-respond aux cartes EUMETSAT. La gamme de couleur a été changée (table decouleur IDL n˚33) pour correspondre à celle utilisée pour les cartes OMI de laNASA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

6.4 Pour les journées du 10 janvier, 10 février et 10 mars 2008, zoom sur les maximades valeurs en dessous de 60˚S (422, 490, et 534 DU). Les différences avec lesseconds maxima voisins (sur un carré de ±1˚) sont respectivement de 37, 84,106 DU et 4, 77, 62 DU sur un carré de ±5˚. . . . . . . . . . . . . . . . . . . . 88

6.5 Aire, minimum et déficit en masse de l’ozone au dessus de l’Antarctique à partirdes données OMI de la NASA, avec un trio moyenne/maximum/minimum tiréde l’ensemble des données 1979-2010, l’année 2010 en bleu et l’année 2011 enrouge. Crédit : [33]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

6.6 Bandes spectrales IR et UV de l’ozone, avec le pic IR à 1100 cm-1 et les bandesde Hartley et Huggins pour l’UV. Crédit : [34]. . . . . . . . . . . . . . . . . . 92

6.7 Spectres en radiance au-dessus de l’Antarctique. En bleu, au-dessus de l’océan,proche de l’Antarctique, en rouge, au-dessus du continent. Crédit : [41]. . . . . 94

128

6.8 Cartes centrées sur l’Antarctique pour 4 jours consécutifs : les 23, 24, 25, 26août 2008. La première colonne correspond aux cartes EUMETSAT sans la cor-rection LATMOS-ULB, la deuxième colonne correspond à EUMETSAT cor-rigé, et la dernière colonne correspond à la température de surface. La gammede couleur a été changée (table de couleur IDL n˚33) pour correspondre à celleutilisée pour les cartes OMI de la NASA. . . . . . . . . . . . . . . . . . . . . 95

6.9 Cartes au niveau de l’Antarctique des données d’EUMETSAT, du LATMOS-ULB et LATMOS-ULB v2. Les deux premières cartes permettent d’observerque les flags nuageux utilisés sont différents entre EUMETSAT et le LATMOS-ULB. EUMETSAT est beaucoup plus strict, réduisant la quantité de données. . 96

C.1 On the left, the main components of the MetOp Satellite. On the right, IASIobserving mode : every 50 km at nadir, 4 footprints of 12 km in diameter arespectrally measured and repeated 2 × 15 times over a swath (scanning sweeps)width of 2 × 1100 km (credits : EUMETSAT, CNES). . . . . . . . . . . . . . 107

129

Liste des tableaux

1.1 Caractéristiques du satellite MetOp . . . . . . . . . . . . . . . . . . . . . . . . 7

2.1 Résolution requise pour des observations du profil de l’ozone basée au nadir(cas IASI) en considérant que la tropopause s’établit là où l’ozone atteint uneconcentration de 150 ppbv, que l’UTLS s’étend de 5 à 25 km, et qu’enfin, l’at-mosphère moyenne s’étend quant à elle de 25 à 80 km d’altitude ([25]). Lesobjectifs scientifiques de ces observations sont de décrire les différences ré-gionales de l’évolution de la couche d’ozone, de mettre en évidence les cyclessaisonniers, la variabilité interannuelle et à court terme, de caractériser le poidsde l’ozone troposphérique et enfin d’en tirer les tendances globales. . . . . . . 20

3.1 Format des données IASI fournies par le LATMOS-ULB. Chaque ligne corres-pond à un point. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.2 Format des données MIPAS provenant de l’IMK. Chaque point de l’espace auraces 8 colonnes et ∼60 lignes. Latitude et longitude se récupèrent en en-tête descolonnes (voir annexe D). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.1 Méthode d’échantillonnage spatial. . . . . . . . . . . . . . . . . . . . . . . . . 314.2 Statistiques suivant l’altitude de la tropopause ht mathématique pour le 1er sep-

tembre 2009. Sont regroupés ici la moyenne x, l’écart-type σ, et le nombre depoints utilisés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

4.3 Coefficients de corrélations, coefficients directeurs et ordonnées à l’origine as-sociés aux nuages de points de la figure 4.9, pour le 1er septembre 2008. Ondistingue assez facilement les valeurs où la corrélation est faible (loin des lati-tudes moyennes). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.4 Colonnes partielles et totale (en DU) du 1er septembre 2008 (en noir, EUMET-SAT et en rouge, LATMOS-ULB) et leurs séparations en données jour et nuit. . 46

4.5 Coefficients de corrélations, coefficients directeurs et ordonnées à l’origine as-sociés aux nuages de points de la figure 4.15 et 4.16, pour le 1er septembre2008, séparé en données jour (noir) et données nuit (bleu). On distingue assezfacilement les valeurs où la corrélation est faible (loin des latitudes moyennes). 49

4.6 Tableau regroupant les coefficients directeurs, ordonnées à l’origine, coeffi-cients de corrélation et nombres de points correspondant aux nuages de pointsentre les données d’EUMETSAT et les nouvelles données LATMOS-ULB surdifférents jours. C’est à partir de ces valeurs qu’est calculée l’erreur d’EUMET-SAT. La moyenne est basée sur toutes les valeurs disponibles, c’est à dire du 15août 2008 au 30 septembre (21 et 27 août exclus par manque de valeurs). . . . . 58

130

4.7 Erreur estimée d’EUMETSAT à partir de l’erreur observée avec les donnéesLATMOS-ULB. La deuxième colonne correspond à l’erreur des données LATMOS-ULB, la troisième colonne correspond à l’erreur des données EUMETSAT parrapport aux données LATMOS-ULB, la quatrième colonne correspond à l’équa-tion 4.5, c’est-à-dire l’erreur totale, et la cinquième colonne correspond à l’er-reur totale relative. (* : l’absence de valeur entre 95 et 105 Dobsons explique leNot a Number, qui sera assimilé à la valeur moyenne pour le calcul de l’erreur). 61

4.8 Écarts sur les moyennes totales des colonnes totales sur les 2 mois d’août etseptembre 2008. À gauche, sélection de tous les points, ensuite, sélection où [0-18] km 6= 0, sélection où [0-12] km 6= 0 et enfin sélection où [0-6] km 6= 0. Seulsles jours communs entre EUMETSAT et MIPAS ont été sélectionnés (absencede 3 jours par mois environ). La dernière moyenne d’EUMETSAT diffère carcertains jours de MIPAS ne disposent pas de la colonne [0-6] km. . . . . . . . . 64

4.9 Sur la journée du 1er septembre 2008, valeurs des colonnes partielles et totalesd’ozone suivant la répartition ou non sur grille, de 1.4˚×1.4˚et 2.8125˚×2.8125˚. 66

5.1 Sur la journée du 1er septembre 2008, valeurs des colonnes partielles et totalesd’ozone suivant la répartition ou non sur grille, de 1.4˚×1.4˚et 2.8125˚×2.8125˚.En noir, les valeurs correspondant à la totalité du globe. En rouge, uniquementles latitudes supérieures à -60˚. . . . . . . . . . . . . . . . . . . . . . . . . . . 70

5.2 Variations entre les moyennes d’EUMETSAT et du CNRM en pourcentage surune journée, 5, 10, 15, 25 et 31, soit tout le mois d’août 2008. Puis même chosesur tout le mois de septembre de la même année. . . . . . . . . . . . . . . . . . 74

5.3 Même tableau que 5.2, mais avec les hautes latitudes (<-60˚) ôtées. . . . . . . . 745.4 En unité Dobson, tableau regroupant les valeurs des moyennes d’EUMETSAT

et du CNRM sur différentes latitudes et pour les colonnes partielles/totale, surles mois de janvier, février et mars 2008, puis d’août, septembre et octobre dela même année. La première partie correspond à la figure 5.12. . . . . . . . . . 78

5.5 Sur la journée du 30 septembre 2008, tableau des moyennes et écarts-types desdifférentes colonnes pour EUMETSAT et le CNRM (en Dobsons). . . . . . . . 81

C.1 IASI spectral band and possible information available. . . . . . . . . . . . . . 104C.2 Level-2 quality of ozone from IASI . . . . . . . . . . . . . . . . . . . . . . . 105C.3 Generalities about the IASI instrument. . . . . . . . . . . . . . . . . . . . . . 107

E.1 Volume de données traitées suivant les différentes origines (le tout en Mo) etle total (en Go). Ainsi, un mois de données correspond à plus de 309 Go dedonnées. Si on ne prend que les données d’EUMETSAT pour la routine, onarrive à un total de 342 Go. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

131

Bibliographie

[1] http://www.cnes.fr/

[2] http://www.esa.int/esaME/index.html

[3] Clerbaux C., Boynard A., Clarisse L., George M., Hadji-Lazaro J., Herbin H., HurtmansD., Pommier M., Razavi A., Turquety S., Wespes C., and Coheur P.-F., Monitoring of atmos-pheric composition using the thermal infrared IASI/MetOp Sounder, Atmos. Chem. Phys., 9,6041-6054, 2009.http://www.atmos-chem-phys.net/9/6041/2009/

[4] GIEC, Bilan 2007 des changements climatiques. Contribution des Groupes de travail I,II et III au quatrième Rapport d’évaluation du Groupe d’experts Intergouvernemental surl’évolution du Climat, 2007, [équipe de rédaction principale, Pachauri, R.K. et Reisinger,A.]. GIEC, Genève, Suisse, ..., 103 pages.

[5] World Meteorological Organization (WMO)/United Nations Environment Programme(UNEP), 2007. Scientific Assessment of Ozone Depletion : 2006, WMO, Global Ozone Re-search and Monitoring Project, Report No. 50, Geneva, Switzerland.

[6] IPCC, 2007 : Climate Change 2007 : The Physical Science Basis. Contribution of WorkingGroup I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[Solomon S., Qin D., Maning M., Chen Z., Marquis M., Averyt K.B., Tignor M., and MillerH.L.]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA,996pp.

[7] Waugh D.L., Oman L., Kawa S.R., Stolarski R.S., Pawson S., Douglass A.R., NewmanP.A., and Nielsen J.E., Impacts of climate change on stratospheric ozone recovery, Geophys.Res., Lett, 2009, 39, doi :10.1029/2008GL036223.

[8] http://www.pa.op.dlr/de/CCMVal/

[9] Eyring V., Shepherd T.G., Waugh D.W., SPARC Report on the Evaluation of Chemistry-Climate Models, June 2010 .

[10] Austin J., Wilson R.J., Ensemble simulations of the decline and recovery of stratosphericozone, J. Geophys. Res., 2006, 111, doi : 10.1029/2005JD006907.

[11] Lamarque J.-F., Kinnison D.E., Hess P.G., and Vitt F.M., Simulated lower stratospherictrends between 1970 and 2005 : Identifying the role of climate and composition changes,2008, J. Geophys. Res., 113, doi :10.1029/2007JD009277.

[12] Scinocca J.-F., McFarlane N.A., Lazare M., Li J. and Plummer D., Technical note : TheCCCma third generation AGCM and its extension ino the middle atmosphere, 2008, Atmos.Chem. Phys., 8, 7055-7074.

[13] Déqué M., Frequency of precipitation and temperature extremes over France in an an-thropogenic scenario : model results and statistical correction according to observed values,2007, Global and Planetary Change, 57, 16-26.

[14] Stenke A., Grewe V. and M. Ponater, Lagrangian transport of water vapor and cloudwater in the ECHAM4 GCM and its impact on the cold bias, 2008a, Clim Dyn., 31, 491-506

132

[15] Jöckel P., Tost H., Pozzer A., Brühl C., Buchholz J., Ganzeveld L., Hoor P. Kerkweg A.,Lawrence M.G., Sander R., Steil B., Stiller G., Tanarhte M., Taraborelli D., van Aardenne J.and Lelieveld J., The atmospheric chemistry general circulation model ECHAM5/MESSy1 :Consistent simulation of ozone from the surface to the mesosphere, Atmos. Chem. Phys., 6,5067-5104.

[16] Roeckner E., and Coauthors, The atmospheric general circulation model ECHAM5. PartI : Model description, 2003, Rep. 349, Max-Planck-Institut fuer Meteorologie, Hamburg,Germany, 5-6.http://www.mpimet.mpg.de.

[17] Rienecker M. M., et al., The GOES-5 Data Assimilation System - Documentation of ver-sions 5.0.1, 5.1.0, and 5.2.0, NASA/TM-2008-104606, Vol. 27, Tech. Rep. Series on GlobalModeling and Data Assimilation, 118 pp.http://gmao.gsfc.nasa.gov/systems/goes5/

[18] Jourdain L., Bekki S., Lott F. and Lefèvre F., The coupled chemistry-climate model LMDz-REPRO-BUS : description and evaluation of a transient simulation of the period 1980-1999,Ann. Geophys., 26, 1391-1413.

[19] Shibata K. and Deushi M., Long-term variations and trends in the simulation of the middleatmosphere 1980-2004 by the chemistry-climate model of the Meteorological Research Ins-titute, 2008a, Ann. Geophys., 26, 1299-1326.

[20] Egorova T., Rozanov E., Zubov V., Manzini E., Schmutz W. and Peter T., Chemistry-Climate model SOCOL : a validation of the present-day climatology, 2005, Atm. Chem.Phys., 5, 1557-1576.

[21] Morgenstern O., Braesicke P., O’Connor F.M., Bushell A.C., Johnson C.E., Osprey S.M.,and Pyle J.A., Evaluation of the new UKCA climate-composition-model. Part 1 : The stra-tosphere, 2009, Geosci. Model Dev., 1, 43-57.

[22] http://www.cesm.ucar.edu/working\_groups/WACCM/

[23] http://dss.ucar.edu/datasets/common/ecmwf/ERA40/docs/horizontal-coordinate/index.html

[24] http://www.ecmwf.int/products/data/technical/gaussian/index.html

[25] http://www.esa-ozone-cci.org/

[26] Manual of the ICAO standard atmosphere calculations by the NACA. (Author(s) NotAvailable) naca-tn-3182. May 1954.http://naca.central.cranfield.ac.uk/reports/1954/naca-tn-3182.pdf

[27] Saunois M., Emmons L., Lamarque J.-F. and Thouret V., Relationship between the NorthAtlantic Oscillation and the inter annual variability of ozone and other trace gases : a dataanalysis and modeling study, P-Chemistry Climate.46 ID :4195 15 :35

[28] http://sacs.aeronomie.be/info/sza.php

[29] Schwartz S.E., Warneck P., Units for use in atmospheric chemistry, 1995, PAC 67 1377-1406.

[30] http://www.cci-cmug.org/

[31] http://www.unidata.ucar.edu/software/netcdf/

[32] Rodgers C.D., Inverse Methods for Atmospheric Sounding : Theory and Practice, WorldScientific Publishing Co. Ltd., 2000.

133

[33] http://ozonewatch.gsfc.nasa.gov/

[34] Gratien A., PuD Thesis, University Paris 12 - Val de Marne, Spectroscopie ultraviolet-visible et infrarouge de molécules clés atmosphériques, Picquet-Varrault B. and Orphal J.,2008.

[35] Smith M. A. H., Malathy Devi V., Chris Benner D. and Rinsland C. P., Absolute intensitiesof O3 in the 9-11 µm region, 2001, Journal of Geophysical Research, 106 :9909-9921.

[36] Schneider M., Redondas A., Hase F., Guirado C., Blumenstock T. and Cuevas E., Compa-rison of ground-based Brewer and FTIR total O3 monitoring techniques, 2008, AtmosphericChemistry and Physics Discussions 8 :285-325.

[37] Yamamori M., Kagawa A., Kasai Y., Mizutani K., Murayama Y., Sugita T., Irie H. andNakajima H., Validation of ILAS-II version 1.4 O3, HNO3, and temperature data throughcomparison with ozonesonde, groud-based FTS, and lidar measurements in Alaska, 2006,Journal of Geophysical Research - Atmospheres 111 (D11).

[38] Siddans R., Latter B., Poulsen C. and Kerridge B., New Developments in the Retrievalof Tropospheric Ozone from GOME, SCIAMACHY and SEVIRI, 2006, ESA AtmosphericScience Conference, Frascati, Italie.

[39] Picquet-Varrault B., Orphal J., Doussin J.F., Carlier P. and Flaud J.-M., Laboratory Inter-comparison of the ozone absorption coefficients in the mid-infrared (10 µm) and ultraviolet(300-350 nm) spectral regions, 2005, Journal of Physical Chemistry A109(6) : 1008-1014.

[40] Turquety S., PhD Thesis, University Paris 6 - Pierre et Marie Curie, Mesure de l’ozone tro-posphérique à partir d’observations satellitaires dans le domaine de l’infrarouge, Advisors :Clerbaux C. and Mégie G., 2006.

[41] Scannell C., Hurtmans D., Boynard A., Hadji-Lazaro J., George M., Delcloo A., TuinderO., Coheur P.-F., Clerbaux C., A review of the ozone hole from 2008 to 2010 as observed byIASI, Atmospheric Measurement Techniques Discussions 4, 4 (2011) 4717-4752

[42] Rodgers C.D., and Connor B.J., Intercomparison of remote sounding instruments, J. Geo-phys. Res., 108(D3), 4116, doi :10.1029/2002JD002299, 2003.

[43] Eremenko M., Dufour G., Foret G., Keim C., Orphal J., Beekmann M., Bergametti G.,and J.-M. Flaud, 2008, Tropospheric ozone distributions over Europe during the heat wavein July 2007 observed from infrared nadir spectra recorded by IASI, Geophys. Res. Lett., 35,L18805, doi :10.1029/2008GL034803.

[44] Boynard A., Clerbaux C., Coheur P.-F., Hurtmans D., Turquety S., George M., Hadji-Lazaro J., Keim C. and J. Meyer-Arnek J., Measurements of total and tropospheric ozonefrom IASI : comparison with correlative satellite, ground-based and ozonesonde observa-tions, Atmos. Chem. Phys., 9, 6255-6271, 2009.http://www.atmos-chem-phys.net/9/6255/2009/

http://www.lmd.polytechnique.fr/~Esturquet/these_turquety.pdf.gz

[45] Keim C., Eremenko M., Orphal J., Dufour G., Flaud J.-M., Höpfner M., Boynard A.,Clerbaux C., Payan S., Coheur P.-F., Hurtmans D., Claude H., Dier H., Johnson B., KelderH., Kivi R., Koide T., Lòpez Bartolomé M., Lambkin K., Moore D., Schmidlin F. J., andStübi R., Tropospheric ozone from IASI : comparison of different inversion algorithms andvalidation with ozone sondes in the northern middle latitudes, Atmos. Chem. Phys. Discuss.,9, 11441-11479, 2009,http://www.atmos-chem-phys-discuss.net/9/11441/2009/

[46] EUMETSAT : IASI Level 1 Product Guide, EUM/OPS-EPS/MAN/04/0032. v3F, 6December 2010

134

http://oiswww.eumetsat.org/WEBOPS/eps-pg/IASI-L1/IASIL1-PG-index.htm

[47] EUMETSAT : IASI Level 2 Product Guide, EUM/OPS-EPS/MAN/04/0033. v2E, 25March 2011http://oiswww.eumetsat.org/WEBOPS/eps-pg/IASI-L2/IASIL2-PG-0TOC.htm

[48] http://www.eumetsat.int/Home/Main/DataProducts/index.htm

135