Rapport de stage: Utilisation de l'ozone mesuré par satellite pour valider les modèles de climat

1. Rapport de stage
Utilisation de l’ozone mesuré par satellite
pour valider les modèles de climat
Auteur
Christophe BELLISARIO
Université Claude Bernard, Lyon 1
Responsable de stage
Thierry PHULPIN
CNES (DCT/SI/IM)
Correspondant UCBL
Jérôme MORVILLE
LASIM
4 Avril 2011 - 30 Septembre 2011
1

2. Table des matières
Introduction 5
1 Contexte 6
1.1 Le CNES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Le projet IASI-MetOp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Le satellite MetOp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 IASI, Interféromètre Atmosphérique de Sondage Infrarouge . . . . . . 8
1.3 Changement climatique et ozone . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Normalisation des modèles de climat 10
2.1 Les différents modèles de climat . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 Outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.3 Liste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Sorties et normalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 But . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 Mesures de l’ozone 21
3.1 Rappels atmosphériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1 Les couches de l’atmosphère . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 L’ozone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Mesures IASI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.1 Rappels théoriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.2 Création des fiches IASI . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2.3 Les données et leurs récupérations . . . . . . . . . . . . . . . . . . . . 26
4 Confrontation des produits IASI d’EUMETSAT aux autres données 30
4.1 Mise en oeuvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Échantillonnage des données EUMETSAT . . . . . . . . . . . . . . . . . . . . 30
4.2.1 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.2 Échantillonnage spatial . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.3 Échantillonnage temporel . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.4 Statistiques et résultats . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 Confrontation aux données LATMOS-ULB . . . . . . . . . . . . . . . . . . . 36
4.3.1 Lissage des données. . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.2 Problème de pression... . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.3 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.4 Influence du jour et de la nuit . . . . . . . . . . . . . . . . . . . . . . 45
4.3.5 Moyenne sur plusieurs jours . . . . . . . . . . . . . . . . . . . . . . . 50
4.4 Nouvelle confrontation aux données LATMOS-ULB . . . . . . . . . . . . . . 51
2

3. 4.4.1 Récupération de la pression EUMETSAT . . . . . . . . . . . . . . . . 51
4.4.2 Comparaison aux valeurs précédentes . . . . . . . . . . . . . . . . . . 52
4.4.3 Confrontation aux données EUMETSAT . . . . . . . . . . . . . . . . 56
4.4.4 Estimation de l’erreur d’EUMETSAT . . . . . . . . . . . . . . . . . . 59
4.5 Confrontation aux données MIPAS . . . . . . . . . . . . . . . . . . . . . . . . 62
4.5.1 Cas général : absence des colonnes partielles . . . . . . . . . . . . . . 62
4.5.2 Moyenne sur août et septembre 2008 . . . . . . . . . . . . . . . . . . 63
4.6 Sortie de Niveau 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5 Confrontation aux sorties de modèles : CNRM 68
5.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.3 Cas du trou de la couche d’ozone . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Moyenne sur plusieurs jours . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.5 Et sur plusieurs mois... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.6 Extrema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.7 Autre sortie de modèle : LMDZ-REPRO . . . . . . . . . . . . . . . . . . . . . 82
6 Regard critique sur les données EUMETSAT 84
6.1 Surestimation globale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.1.1 Au niveau des hautes latitudes . . . . . . . . . . . . . . . . . . . . . . 85
6.1.2 Comparaison aux données OMI de la NASA. . . . . . . . . . . . . . . 87
6.1.3 IFOVs dans le désordre . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.1.4 De nombreux paramètres pour caractériser le trou . . . . . . . . . . . . 88
6.2 InfraRouge contre Ultra-Violet . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.2.1 Infrarouge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.2.2 Ultra-violet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.2.3 Intercomparaison et correction ? . . . . . . . . . . . . . . . . . . . . . 91
6.3 Possibles origines des écarts . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3.1 Les réseaux de neurones . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3.2 La température de surface . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3.3 Flag nuageux sur les pôles . . . . . . . . . . . . . . . . . . . . . . . . 94
Conclusion 97
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
A Liste des sigles et acronymes 99
B Niveaux des produits IASI 102
C Fiche IASI du produit Ozone 103
C.1 Intent of This Document . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
C.2 Data Field . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
C.3 Data Origin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
C.4 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
C.5 Considerations for Model-Observation Comparisons . . . . . . . . . . . . . . 106
C.6 Instrument Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
C.7 Revisions History . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3

4. D Quelques lignes de code 108
D.1 Code IDL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
D.1.1 Récupération des données . . . . . . . . . . . . . . . . . . . . . . . . 108
D.1.2 Récupération LATMOS-ULB à partir des pressions EUMETSAT . . . 112
D.2 Création du logiciel de comparaison . . . . . . . . . . . . . . . . . . . . . . . 114
D.2.1 Création de la grille . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
D.2.2 Création sous format netCDF . . . . . . . . . . . . . . . . . . . . . . 115
D.2.3 Comparaison des profils/histogrammes . . . . . . . . . . . . . . . . . 116
D.2.4 Création des cartes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
D.2.5 Noyau de la fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
E Volumes et temps de calculs. 122
E.1 Volumes de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
E.2 Temps de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
E.2.1 Récupération LATMOS-ULB . . . . . . . . . . . . . . . . . . . . . . 123
E.2.2 Récupération EUMETSAT . . . . . . . . . . . . . . . . . . . . . . . . 123
E.2.3 Récupération MIPAS et CNRM . . . . . . . . . . . . . . . . . . . . . 123
4

5. 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 atmosphériques
afin d’élaborer des modèles physiques qui permettent à court terme d’estimer le temps sur la
toute 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, un
réchauffement 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 premier
des 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 météorologie
opérationnelle basée sur des satellites polaires à orbite basse. Les performances de l’instrument
ont été jugées excellentes et conformes aux spécifications, tant du point de vue spectral que du
point de vue radiométrique et géométrique.
Dans le but d’établir une connexion forte entre la communauté des observations spatiales
et la communauté des modèles climatiques, l’Agence Spatiale Européenne (ESA) a sélectionné
les variables essentielles au climat (ECV) afin d’en unifier les caractéristiques pour permettre
un partage des observations qui soit compatible avec les requêtes des groupes de modélisation
climatique. C’est dans ce cadre que mon stage s’est organisé : il m’a été demandé d’effectuer
une confrontation entre les données satellitaires IASI de l’ozone et les sorties de modèle du
Centre National de Recherches Météorologiques (CNRM).
Ainsi, mon rapport se divise en plusieurs parties. J’explicite tout d’abord les informations
essentielles 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 le
cadre du SPARC, mettant en avant leurs principales caractéristiques de même que l’évolution de
l’ozone constatée. Ensuite, j’effectue la comparaison des données IASI suivant leurs méthodes
d’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 conclure
sur les écarts existants entre les différents jeux de données.
5

6. Chapitre 1
Contexte
1.1 Le CNES
Le 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 mis
en place par le président De Gaulle en 1959 afin de faire face au manque de coordination des
études spatiales de la France. Dorénavant, participant également aux programmes conduits par
l’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 applications
spatiales 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 développement
durable, 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 œuvre
la politique spatiale de la France au sein de l’Europe, définissant les grandes stratégies et les
programmes prioritaires. La Direction des lanceurs (Evry, Essonne) se charge du développe-
ment des lanceurs Ariane, accompagnant la phase de production industrielle pour le compte
d’Arianespace. Le centre spatial guyanais (Kourou) est le "port spatial" de l’Europe, là d’où
sont 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 systèmes
spatiaux depuis la conception des satellites et instruments, jusqu’à leur exploitation en orbite.
1.2 Le projet IASI-MetOp
1.2.1 Le satellite MetOp
Développé dans le cadre du projet EPS (Eumetsat Polar System) d’Eumetsat (EUropean or-
ganisation for the exploitation of METeorological SATellites), installant une collaboration entre
l’Europe et les Etats-Unis pour une période allant de 2005 à 2020, le satellite MetOp a été mis
en orbite en 2006 sur un lanceur de type SOYOUZ depuis Baïkonour au Kazakhstan dans le
but 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 pour
avril 2012. Ainsi, de nombreux instruments ont été placés à bord : HIRS, sondant optiquement
la température et l’humidité atmosphérique ; AVHRR pour l’imagerie optique des nuages, du
6

7. sol et des océans ; AMSU-A pour un sondage micro-ondes de la témpérature par tout temps ; le
diffusiomètre 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, sondage
micro-ondes de l’humidité atmosphérique par tout temps et enfin IASI, dont nous parlons plus
en détails dans la section suivante (voir figure 1.1).
F IGURE 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 satellite
suivant une orbite héliosynchrone, il est donc capable d’observer la Terre avec une incidence
lumineuse solaire constante, car l’altitude et l’inclinaison sont choisies de façon à ce que l’angle
entre le plan d’orbite et la direction du soleil reste identique dans le temps.
TABLE 1.1 – Caractéristiques du satellite MetOp
Altitude ∼ 817 km
Orbite héliosynchrone
Inclinaison 98.7˚par rapport à l’équateur
Période de révolution 101 min
Heure locale 9h30 en orbite descendante
Répétition du cycle 29 jours (412 orbites)
Courverture globale de la surface 2 fois par jour
7

8. 1.2.2 IASI, Interféromètre Atmosphérique de Sondage Infrarouge
Elément 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 sein
du CNES et vise à mesurer deux fois par jour le spectre du rayonnement infrarouge émis par la
terre, 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 transformée
de 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’instrument
est 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 (de
différence 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 balayage
permet d’atteindre à 48,3 ˚ de part et d’autre de la trace du satellite, l’observation se fait de
type "pas à pas" avec un système de stabilisation du champ visuel. 30 sondages sont réalisés
à intervalle régulier le long de chaque ligne de balayage correspondant à 2x15 positions de
miroir. Chaque champ visuel instantané (3,3˚× 3,3˚ou 50 km × 50 km au nadir) est composé
de 2 × 2 pixels circulaires, correspondant à une empreinte de 12 km de diamètre au nadir (voir
figure C.1).
F IGURE 1.2 – à gauche, les pincipaux éléments composant l’interféromètre IASI. A droite, le
mode d’osbervation de IASI : l’instrument mesure le spectre infrarouges émis par la Terre et
l’atmosphère sur une largeur d’environ 2200 km, tous les 50 km au nadir avec 4 empreintes de
12 km de diamètre (crédits images : ESA, CNES)
L’instrument IASI englobe une large gamme spectrale (8461 canaux spectraux), allant de
la limite de l’infrarouge thermique à 3,62 µm (2760 cm-1 ) jusqu’à 15,5 µm (645cm-1 ) couvrant
ainsi 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’absorptions
du CO2 ), les propriétés nuageuses, le profil d’humidité (à l’aide de l’H2 O). Pour optimiser les
performances 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

9. 1.3 Changement climatique et ozone
Afin 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 Groupe
d’experts Intergouvernemental sur l’évolution du climat GIEC [4]) que la température globale
de 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 multiplication
par 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 le
trou 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 des
années 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 niveau
de la stratosphère, ce dernier est lié de façon intrinsèque à la quantité d’ozone, via de nombreux
processus impliquant la température, les transports de composés chimiques, le rayonnement
Ultra-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 possibilité
qu’a l’ozone de retourner à un niveau "normal" dans la stratosphère, estimé par les spécialistes
comme 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 depleting
substances). Ces substances comme le Brome ou le Chlore sont censées (d’après le Protocole de
Montreal) décroître de façon importante ([5]). Mais, malgré cela, les simulations GEOS-CCM
indiquent 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 zones
retrouvent la quantité d’ozone d’avant 1980 alors que d’autres zones comme les tropiques et les
latitudes moyennes au sud au niveau de la stratosphère basse risquent de ne jamais retrouver le
niveau d’antan ([7] & [5]).
9

10. Chapitre 2
Normalisation des modèles de climat
2.1 Les différents modèles de climat
2.1.1 Généralités
En 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 des
analyses 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 subir
des développements. Il y en a 16 en tout, provenant de diverses organisations avec pour but de
modéliser 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 ou
moins précises et concordantes les unes avec les autres, mais qui donnent une idée assez globale
de l’évolution de l’ozone à long terme, résumée dans la dernière section, moyennant les sorties
obtenues ([9]).
2.1.2 Outils
Les 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 elles
seules 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 faut
alors expliciter un peu plus en détail les divers composants.
10

11. Emissions naturelles et
Températures des anthropogéniques de
océans gaz
Dynamique Chimie
Température et
vent
Aérosols volcaniques et
non volcaniques
Radiations
Photolyses, chaleur
Concentrations en Cycle solaire
radicaux
F IGURE 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 va
décrire l’évolution temporelle du vent, de la température et de la pression (ou des variables
équivalentes), sous l’action de la rotation, de la gravité et d’autres forçages diabatiques. C’est
alors une résolution des équations dites primitives qui s’opère à ce niveau pour rendre au final
une circulation générale de l’atmosphère terrestre. C’est aussi à ce niveau que la résolution entre
en jeu avec le maillage de la surface qui comprendra plus ou moins de niveau selon que l’étude
se veut plus ou moins précise.
Ensuite, la dynamique inclut la diffusion horizontale qui, malgré le manque d’une théorie
générale sur la turbulence, réussit à recréer de manière discrète les mouvements par strate en
évitant toute instabilité dynamique pouvant avoir un impact important sur l’échelle mondiale de
circulation.
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 la
stratosphère tropicale donnant naissance à de nombreuses modifications de la circulation et de
la chimie dans les autres régions de l’atmosphère. Il est très difficile de modéliser la QBO du fait
des 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 dans
le milieu de l’atmosphère. Elles sont excités par les processus troposphériques et nécessitent
d’être paramétriser en deux parties : l’une orographique (ondes de reliefs ou montagnes) et
l’autre non-orographique. Certains modèles lient les ondes graviationnelles à la convection
troposphériques. Les oscillations créées par ces ondes induisent alors des modifications qu’il
convient 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 et
la chimie. Les radiations sont traditionnellement séparées en réchauffement à courte longueur
11

12. 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 schémas
utilisent le spectre UV et la diffusion, mais de manière encore trop peu précise. Pour calculer
les taux de photolyse, les réactions sont inclues dans le modèle en fonction de la pression, de
l’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 une
meilleure 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,
H2 O, 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 ce
manque 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 NO
et NO2 pouvant jouer sur l’abondance des NOy - ensemble des oxydes d’azotes - au niveau
du 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 haute
couche de l’atmosphère.
Toujours dans le domaine de la chimie atmosphérique, il est aussi question de modéliser les
cinétiques des réactions. Celles-ci seront différentes suivant les familles de composants (comme
le chlorure et bromure) et les temps de vie changeront en conséquence. Il est important de les
connaître et de les valider afin de juger si oui ou non l’hypothèse d’équilibre chimique pourra
être 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’équilibre
chimique 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 molécules
liquides ou solides. Elles peuvent adsorber ou contenir en substrat des molécules réagissant avec
d’autres espèces gazeuses. Des contributions importantes sont alors constatées pour les aérosols
de sulfates et les nuages polaires stratosphériques (appelés aussi les nuages nacrés ou PSCs pour
Polar Stratospheric Clouds). Les réactions majoritaires conduisent à l’activation de chlorure, à
la formation de H2 O, HNO3 . Elles sont présentes dans tous les CCMs, alors que les autres
réactions 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 surface
de la Terre. L’abondance globale observée permet de juger des estimations passées alors que
des projections sont faites quant à l’avenir. Cela permet de recréer les conditions limites. Il est
encore possible de prendre en compte les dépôts humides et dépôts secs dans la troposphère, les
dépôts secs étant très important dans le bilan de l’ozone troposphérique.
12

13. Transport
Il existe deux types de transports atmosphériques principaux : l’advection et les transports
convectifs. 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 temps
de vie des espèces chimiques sont plus longs que le temps de vie dynamique (des transports en
somme). L’advection correspond au transport horizontal de propriétés physico-chimiques du fait
du transport par les vents ou les courants de particules concernées. Les modèles peuvent se baser
sur différents traceurs météorologiques comme le moment, la chaleur, l’humidité, mais aussi
chimiques. L’advection est elle-même divisée en plusieurs méthodes : l’advection de volume
fini, spectrale, semi-Lagrangienne, etc.
Ensuite, la convection et les turbulences mélangent rapidement l’air et les espèces chimiques
verticalement. 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 transports
hémisphériques. 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 de
CCMs ne prennent pas en compte la chimie troposphérique, des modèles sophistiqués ne sont
pas requis pour les transports convectifs et les turbulences.
2.1.3 Liste
Evolution 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 la
couche 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 tôt
pour les autres latitudes. Pour le premier point, les modèles du CCMVal-2 ont mis en relation
la restitution de l’ozone avec la disparition par exemple de la chlorure, avec en évidence, des
différences sur les résultats. Selon les modèles, l’ozone revient plus vite que le chlorure disparaît
et vice-versa. Suites aux simulations de CCMVal-2, on peut constater que les changements de
l’ozone sont approximativement dépendant de Cly + αBry (Cly pour chlorure et Bry pour
Bromure) avec des valeurs différentes. Il est montré aussi que la restitution de l’ozone de 1960
prendrait 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’à
l’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 longues
pour retrouver un niveau pré-année 1970.
Dans les tropiques, la colonne totale d’ozone est en accord avec les observations alors
qu’elle diffère légèrement dans les moyennes latitudes du fait que les modèles peuvent avoir
des 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 des
nouveaux 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 paramétrisation
des CFCs de même que les taux de photolyse ont été corrigés. Enfin, la résolution verticale
stratosphérique a été augementée.
Evolution de l’Ozone constatée. AMTRAC3 constate l’une des plus faible réduction de
l’ozone dans la haute stratosphère. Côté observations, le modèle se trouve légèrement en deça
13

14. F IGURE 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 la
simulation, c’est-à-dire passé 2094.
14

15. au niveau des tropiques et latitudes moyennes, simule de manière très correcte le trou de la
couche d’ozone. La restitution est consistante avec le modèle moyen et AMTRAC3 se distingue
par 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 et
montre une bonne capacité à reproduire les changements à grande échelle dans la stratosphère
malgré un maximum d’altitude faible (∼40 km). ([11]). Ce modèle a récemment intégré de
nouvelles paramétrisations concernant les ondes gravitationnelles.
Evolution de l’Ozone constatée. CAM3.5 a un grand bias en ozone au niveau de la haute
stratosphère tropicale et l’une des plus faibles réductions. Le modèle est, comme AMTRAC3
légèrement en dessous des mesures au niveau des tropiques et latitudes moyennes. Le trou
d’ozone polaire est plus faible que les observations mais la restitution est consistante avec la
moyenne des CCMs.
CCSRNIES
Outils du modèle. CCSRNIES provient de l’agence météorologique japonaise basée sur un
modèle préexistant. Des améliorations du code ont été apportées comme le module de chimie
stratosphérique, incorporant une limite supérieure dans la mésosphère et un module de chimie
hétérogène (dont la chimie du bromure et d’autres éléments).
Evolution de l’Ozone constatée. Ce modèle montre l’un des plus forts refroidissement pour
la haute stratosphère, impliquant une restitution de l’ozone rapide. Il montre aussi un haut BIAS
dans les régions froides de l’Antarctique en fin d’hiver et printemps mais sous-estime en taille
et profondeur le trou dans la couche d’ozone.
CMAM
Outils du modèle. Basé sur le modèle de circulation générale GCM du Canadian Center for
Climate Modelling and Analysis (CCCma), CMAM ([12]) possède une résolution précise avec
une augmention monotone de 100 m à la surface jusqu’à 2,5 km dans la stratosphère/milieu
de l’atmosphère en passant par 900 m autour de la tropopause extra-tropicale. Le modèle est
couplé à un modèle de circulation océanique générale utilisant une résolution horizontale de
1,86˚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 ∼95
km est imposée pour les NOx pour comptabiliser la production de NOx mésosphériques par les
rayons 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 réduite
en 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 latitudes
moyennes du sud.
CNRM-ACM
Outils du modèle. Le GCM du Centre National de Recherches Météorologiques utilise son
propre schéma de transport ([13]) et distingue selon la résolution horizontale la dynamique de
la chimie afin de réduire le temps de calcul a contrario de la résolution verticale.
15

16. 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’une
largeur plus importante du trou en Antarctique.
Il s’agit du modèle utilisé pour effectuer la confrontation avec les mesures satellitaires IASI
d’EUMETSAT dans les parties suivantes.
E39CA
Outils du modèle. Basé sur le Modèle du Centre Européen d’HAmbourg (ECHAM), les
traceurs 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 qui
inclut 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. Il
inclut aussi une représentation mésosphérique de de la production des NOx par le rayonnement
cosmique 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 petite
qu’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 de
chimie stratosphérique et utilise un noyau dynamique semi-Lagrangien avec des coordonnées
verticales autorisant une simulation précise des mouvements verticaux. La chimie stratosphé-
rique inclut une liste importante de composants et réactions chimiques, mais le modèle ne se
sert pas explicitement de la diffusion.
Evolution de l’Ozone constatée. Ses résultats sont similaires pour les tropiques, mais la
colonne 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 une
restitution 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 réactions
hétérogènes 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

17. MRI
Outils du modèle. MRI emploie des coordonnées hybrides avec la pression pour diviser
l’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 satisfaire
la continuité. La chimie stratosphérique inclut aussi les réactions hétérogènes sur les nuages
nacrés (PSCs) et les aérosols sulfatés ([19]).
Evolution de l’Ozone constatée. Ce modèle montre un biais fort pour toutes les latitudes
comparé à la colonne totale d’ozone. La hausse chlorure (importante par rapport aux autres
modèles) 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). La
profondeur 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 assez
précisement la chimie stratosphérique ([20]). Il considère que toutes les espèces chimiques sont
transportées, en particulier sa précision est grande sur les ODSs, HNO3 et les particules d’acide
nitrique tri-hydratés.
Evolution de l’Ozone constatée. SOCOL est en accord avec les observations et le modèle
moyen, mais commence à montrer des biais importants au-delà de 2050 suite à un changement
de 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 une
restitution de l’ozone très rapide.
ULAQ
Outils du modèle. ULAQ est un CCM de faible résolution. Les champs dynamiques sont
tirés d’un modèle de circulation général (GCM) simplifié où les espèces de temps de vie court
et 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 en
utilisant 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 faibles
pour l’ozone dans le passé. Le retour de l’ozone se fait au même moment que le modèle moyen
dans 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 verticale
en le combinant avec un progiciel de chimie stratosphérique. La chimie y est simplifiée et les
rejets de chlorure et bromure depuis les réservoirs naturels sont calculés en fonction de l’âge de
l’air.
Evolution de l’Ozone constatée. Les données d’UMETRAC n’ont pas été fournies à temps
pour 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 aussi
verticalement, mais qu’il couple avec un modèle de chimie stratosphérique où la vapeur d’eau
17

18. stratosphérique est liée au champ d’humidité de l’UM. Il est à noter que ce modèle inclut les
variations cycliques du rayonnement solaire.
Evolution de l’Ozone constatée. Les colonnes d’ozone sont légèrement biaisées sur toutes
les latitudes, mais la restitution se fait rapidement, en particulier dans l’hémisphère sud (faible
niveau 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 de
chimie stratosphérique ([21]), UMUKCA n’utilise pas l’approximation hydrostatique, n’impose
pas de diffusion explicite. La production chimique de vapeur d’eau est ignorée dans le processus
hydrologique mais est remplacée par l’oxydation du méthane. Enfin, la vapeur d’eau est imposée
à la tropopause tropicale. Les deux modèles diffèrent sur l’utilisation de quelques données de
cinétique chimique, sur le traitement du retrait de certains composés halogénés inorganiques
dans la troposphère et sur le chauffage radiatif des aérosols stratosphériques.
Evolution de l’Ozone constatée. Pour UMUKCA-METO, le modèle est consistant avec
les 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 dans
la haute stratosphère tropicale. Dans les latitudes moyennes de l’hémisphère sud, la colonne
d’ozone se réduit après 2070. L’Arctique est raisonnablement reproduit alors que l’Antarctique
est fortement biaisé. Enfin, le trou dans la couche d’ozone au niveau de l’Antarctique est petit
et 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 haute
stratosphère. La restitution se fait au même moment que le modèle moyen sauf en Antarctique
où il se déroule plus tard. De même que son équivalent METO, le modèle montre un trou dans
la 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 paramètres
physiques de CAM et un bilan de gaz radiatifs conséquent ([22]). Il utilise aussi un noyau
dynamique unique, le chauffage chimique et par les ultraviolets extrèmes, la production de
NOx mésosphériques par les rayons solaires et cosmiques, la chimie des ions dans la basse
thermosphère. La chimie est basée sur MOZART3 et un processus de chimie hétérogène sur les
aérosols 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 restitution
de l’ozone au niveau de 1980 est au même moment que le modèle moyen dans l’hémisphère
sud, mais plus tôt pour l’hémisphère nord. Le trou dans la couche d’ozone en Antarctique est
similaire, mais disparaît plus vite que dans les autres modèles.
2.2 Sorties et normalisation
2.2.1 But
Le 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 de
moyens 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

19. normaliser le format de sortie des mesures, c’est-à-dire fournir un format commun à tous ces
instruments.
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 observées
dans le passé avec des prévisions tournées vers le passé, il s’agit alors de valider les résultats du
modèles.
Enfin, la documentation est très importante. Que ce soit sur les observations satellitaires
ou sur les modèles climatiques, il est crucial de fournir avec ces données une documentation
complète expliquant aux utilisateurs les méthodes et le parcours de ces données. C’est dans ce
cadre que rentre la fiche IASI de l’ozone, pour les données de niveau 3.
2.2.2 Résolution
Maillage 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 compilation
tout 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, parallèle
à une longitude). Deux troncatures spéciales, respectivement triangulaire et rhomboïdale, se
différencient 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
Ym (µ, λ) = Pm (µ)eimλ
n n
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 les
maximums 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 valeur
de l’entier r indiquera le niveau de résolution du maillage. Ainsi, le modèle T106 utilise une
grille dont la résolution est de 1,21˚×1.21˚, 2,8˚×2,8˚ pour T42, etc., la résolution augmentant
avec l’entier r.
Les points obtenus peuvent être ensuite disposés sur une grille Gaussienne. Celle-ci sépare
selon latitude et longitude les points de la sphère, séparés par des distances angulaires identiques
ou non. Dans le premier cas, si la séparation angulaire est identique sur toutes les latitudes, plus
on se rapproche des pôles, plus les points seront proches physiquement parlant. C’est pourquoi
des grilles Gaussiennes réduites peuvent être utilisées : ici, le nombre de points va décroître avec
la latitude croissante pour garder une séparation physique entre chaque point similaire. Sur cette
représentation, il est à noter qu’il n’y a pas de point aux pôles (liste des grilles Gaussiennes sur
le site de l’ECMWF [24]).
Résolution verticale
Il est aussi possible de complétere le maillage horizontal par le niveau de résolution verticale
avec par exemple T159L60 où T159 correspond à la partie horizontale, et L60 à différents 60
niveaux (L pour Level).
19

20. 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 m
dans la troposphère moyenne), ensuite environ 1-2 km autour de la tropopause, et une résolution
décroissante dans la stratosphère (par exemple 3-5 km dans la stratosphère moyenne). L’un des
développements actuels est l’amélioration de la résolution verticale dans la haute troposphère
et 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 importante
pour les systèmes climatiques de la Terre, plus particulièrement le climat en surface. Mais il
est évident que les résolutions vont dépendre des outils utilisés. Par exemple, les observations
au nadir limiteront la résolution verticale par rapport à des observations de type limb-view (le
satellite vise l’atmosphère de façon tangentielle) mais auront l’avantage de présenter moins
d’interférences vis-à-vis des nuages et une meilleure résolution horizontale.
Région de l’atmosphère
Troposphère UTLS Moyenne atmosphère
Résolution horizontale 100-300 km 100-300 km 100-300 km
Résolution verticale Colonne 2-3 km 3-5 km
troposphérique
Fréquence d’observation 3 jours 3 jours 3 jours
Période considérée 1980-2010 1980-2010 1980-2010
Précision 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 (cas
IASI) en considérant que la tropopause s’établit là où l’ozone atteint une concentration de 150
ppbv, que l’UTLS s’étend de 5 à 25 km, et qu’enfin, l’atmosphère moyenne s’étend quant à
elle de 25 à 80 km d’altitude ([25]). Les objectifs scientifiques de ces observations sont de
décrire les différences régionales de l’évolution de la couche d’ozone, de mettre en évidence
les cycles saisonniers, la variabilité interannuelle et à court terme, de caractériser le poids de
l’ozone troposphérique et enfin d’en tirer les tendances globales.
20

21. Chapitre 3
Mesures de l’ozone
3.1 Rappels atmosphériques
3.1.1 Les couches de l’atmosphère
L’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 variant
en fonction de la lattitude, elle est par exemple moins épaisse aux pôles avec 7 km contre 20 au
niveau de l’équateur). La troposphère contient environ 80% de la masse de l’atmosphère. Ici, la
température diminue avec l’altitude.
Ensuite, la stratosphère se caractérise par une augmentation de la température suite à la
photolyse de l’O2 par les rayons UV selon le cycle de Chapman (voir section 3.1.2). Elle se
situe entre 13 et 50 km, et possède une masse inférieure à 20% de l’atmosphère. 90% de l’ozone
atmosphérique est contenu dans la stratosphère.
Après, la stratopause, limite supérieure à la couche précédente, c’est la mésosphère. Allant
jusqu’à 90 km, cette couche voit sa température diminuer du fait que la quantité d’O2 décroît
fortement 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 très
importants. 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 : on
utilise alors les isohypses de géopotentiel pour tracer les cartes de pression d’altitude. 105 Pa
correspondra alors à l’altitude du niveau de la mer : 0 km. Ensuite, la pression dépendra de la
nature des composants dans l’atmosphère, ayant une masse et une proportion différente selon les
lieux. Cependant, il est possible de moyenner l’état de l’atmosphère, c’est la base de l’altimètre
barométrique ([26]), mesurant l’altitude grâce à la pression selon l’équation suivante :
5,255
0, 0065 · h
p(h) = 1013, 25 1 − hP a (3.1)
288, 15
ou encore l’équation hydrostatique :
dp Mg
=− dz (3.2)
p RT
21

22. F IGURE 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 entre
elles. 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 se
basent 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 se
fait 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 chimique
que 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 est
définie comme une couche de 30 hPa centrée sur une surface de vorticité potentielle (PV pour
Potential Vorticity) de PV = 2 pvu ([27]), avec pvu étant l’unité de vorticité potentielle (pvu
pour potential vorticity unit), sachant que
10−6 K · m2
1pvu = .
kg · s
Cette définition de la tropopause permet d’éviter toutes les variations saisonnières de la hauteur
de 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 la
latitude. Il est calculé suivant :
cos θz = sin δ sin φ + cos δ cos φ cos ω
où δ représente la déclinaison du Soleil, φ la latitude (prise comme positive dans l’hémisphère
nord) et ω l’angle horaire, mesurant l’heure locale. Il sera important par la suite pour séparer
les données jour des données nuit.
22

23. F IGURE 3.3 – Répartition de l’ozone dans l’atmosphère, concentré à 90% dans la stratosphère.
F IGURE 3.2 – Représentation de l’angle zénithal solaire, avec l’angle zénithal de visée (Viewing
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 deux angles doit être maintenue durant les
observations (Crédit : NASA).
3.1.2 L’ozone
Généralités
L’ozone est un gaz qui revêt une importance primordiale dans la troposphère. Celui-ci est
hautement nocif pour la santé humaine, toxique pour l’agriculture et très réactif. Il revêt aussi
une même importance dans la stratosphère en absorbant les rayonnements UV (A [315 ; 400] nm
et B [280 ; 315] nm). Ce bouclier anti-UV est cependant vulnérable à la destruction catalytique
par des composés halogènes comme par exemple des CFCs. Son rôle dans le forçage radiatif
est différent dans les deux couches atmosphériques concernées : positif dans la troposphère et
négatif dans la stratosphère, mais en moindre proportion. L’ozone troposphérique est produit de
l’oxydation du CO, des COVs (Composés Organiques Volatils) et des hydrocarbones par OH
en présence des NOx tandis que l’ozone stratosphérique provient majoritairement du cycle de
Chapman (années 1930) :
O2 + hν → 2O O + O3 → 2O2
Formation Destruction
O + O2 + M → O3 (+ chaleur) 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

24. 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 le
LIDAR, afin de caractériser les particules rencontrées sur le chemin optique. Cependant pour
des 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 toute
la verticale d’un point donné de la surface terrestre ([29]). Cette unité est très utile dans le cas de
mesures 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 la
colonne 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/masse
par unité d’aire. Une fois converti, 1 DU (Dobson Unit) correpond à l’épaisseur en unité 10-3 cm
que la colonne d’ozone occuperait si elle était compressée dans une couche de densité uniforme
à 273.15 K et une atmosphère (105 Pa). 100 DU sont alors équivalents à 1 mm d’ozone pur au
niveau de la mer. Pour une colonne d’ozone type, on obitent des mesures d’environ 300 DU
pour des extrèmes allant de 250 DU (au niveau des régions équatoriales) jusqu’à 500 DU (dans
les régions polaires au printemps).
A contrario d’une mesure en Dobson effectuée sur toute une colonne, les concentrations
en ppm ou VMR (pour Volume Mixing Ratio) sont plus utilisées dans les reflexions et plus
compréhensibles au grand public. Elles correspondent à une fraction à laquelle contribue une
substance 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 en
kg, mol, ... .
Pour faire la conversion entre données en ppmv et données en Dobson, il faut se servir d’un
paramètre supplémentaire : la pression. Dans la suite, certains jeux de données sont en ppmv
alors que le choix s’est porté sur des colonnes partielles et totales. Ainsi, la conversion s’effectue
suivant l’équation suivante :
j
1 MO3
(O3 )j [DU] = (O3 )i [ppmv] ∗ 10−6 ∗ (Pi − Pi+1 ) ∗ ∗ ∗f (3.3)
i=0
g Mair
où (O3 )i en [DU] est la colonne partielle i en Dobson, Pi et Pi+1 sont les niveaux de pression des
niveaux i et i + 1, g l’accélération en [m/s2 ], MO3 et Mair les masses volumiques respectives de
l’ozone et de l’air, f = 46641.59 facteur de conversion entre les kg/m2 et le Dobson. Ce facteur
est basé sur la définition du Dobson comme étant 2, 89 · 1016 molécules/cm2 ([6]). Il faut ensuite
faire cette somme sur tout le profil de la colonne pour arriver à la colonne totale.
3.2 Mesures IASI
3.2.1 Rappels théoriques
Dans l’atmosphère, les molécules peuvent absorber des radiations électromagnétiques qui
vont modifier de façon différente suivant l’énergie la configuration de la molécules. Dans le
cas de radiations micro-ondes, l’énergie de rotation de la molécule sera modifiée, le niveau
d’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, ce
sera alors une transition vibrationnelle, base de la spectroscopie infrarouge. Enfin, s’il s’agit du
visible ou de l’ultraviolet (entre 10 et 700 nm), l’énergie électronique sera modifiée impliquant
24

25. F IGURE 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 les
vibrations 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 la
fréquence de la vibration. Ce Dirac sera élargi suivant la pression et la température. À basse
pression (haute altitude), la raie subira un élargissement Doppler, car la vitesse des particules
sera 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. Ce
facteur agira sur l’intensité de la raie, qui va croître avec la polarité. Derniers facteurs à prendre
en 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 les
différentes 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 différents
profils de température, de pression, de gaz et d’aérosols dans la zone observée afin d’obtenir au
final les données des quantités de molécules dans leur intégralité.
3.2.2 Création des fiches IASI
Pourquoi ?
Avant de traiter les données IASI, il m’a été demandé de créer une fiche IASI. Dans le cadre
du ESA-CCI (Climate Change Initiative for ESA), 10 variables essentielles au climat (ECV
pour Essential Climate Variable) ont été sélectionnées parmi la quarantaine existante ([25]). Sur
25

26. 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 3
parties : le profil au nadir, les limbes et la colonne totale). Un consortium par ECV, regroupant
des spécialistes du climat mais non des modèles, a été choisi afin de répertorier, transcrire et
valider 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 les
précisions (important pour les modèles), les modes, les origines des mesures et in fine, de fournir
la description du format des instruments ([30]). NetCDF CFcompliant ([31]) est le format retenu
par la communauté internationale.
À l’intérieur de ce format est inclus toute la description de la prise des mesures, permettant
aux groupes voulant utiliser les modèles de valider les résultats qu’ils obtiennent. C’est donc un
format de données "auto-documenté" créé par le Unidata program de l’University Corporation
for Atmospheric Research (UCAR).
Le modèle de données netCDF classique est divisé en 3 parties : variables, dimensions et
attributs. Les variables consistent en un tableau de données de N-dimensions pouvant être soit
de type char, byte, short, int, float ou double. Les dimensions décrivent les axes des tableaux de
données. Chaque dimension possède un nom et une longueur, cette dernière pouvant être étirée
au bon vouloir de l’utilisateur. Enfin les attributs annotent les variables ou les fichiers avec des
petites 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, mais
pour 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 description
du 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 être
assez complète pour que tout utilisateur puisse comprendre la provenance des données, mais
elle doit être en même temps assez claire pour permettre aux non-initiés de l’instrument de
saisir les principales caractéristiques des données.
3.2.3 Les données et leurs récupérations
Les 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’aide
des satellites de télévision (le Digital Video Broadcast (DVB)), les données sont acheminées par
le système EUMETCast (EUMETSAT’s Data Distribution System) sur une zone géographique
regroupant 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 Universal
Form for the Representation) et GRIB (GRIdded Binary). Outre l’envoi, les archives sont elles
aussi 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 septembre
2008. En effet, fin août de cette année là, un trou est apparu dans la couche d’ozone au niveau de
l’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 dans
le but d’avoir une référence sur le processus d’action.
26

27. 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 liste
des niveaux des produits IASI). À bord du satellite, les spectres subissent déjà une calibration
radiométrique. Ici, une approximation dépendant de la longueur d’onde est appliquée pour relier
la luminance énergétique du corps noir B(λ,T) à λ et T suivant la loi de Planck :
C1
B(λ, T ) = W · m−2 · µm−1 · sr−1 (3.4)
λ5 [exp(C2 /λT ) − 1]
avec C1 = 1, 1910659 · 10−8 W·m-2 ·sr-1 ·cm4 et C2 = 1.4388 cm·K. Ensuite, de nouvelles
fonctions de Planck sont calculées pour apporter une correction appropriée aux spectres (via une
chaîne de calcul dite ISRFEM). De même, les contributions de la radiance réfléchie, l’impact du
miroir à différents angles, sa dépendance vis-à-vis de la température et la géolocalisation sont
pris en compte.
Les données arrivent alors au niveau 1b, où les spectres 1a vont être suréchantillonnés d’un
facteur 5 à l’aide de transformées de Fourier. Les spectres sont aussi interpolés sur une nouvelle
grille équidistante suivant l’interpolation cubique (spline).
Enfin, le spectre est apodisé à l’aide des fonctions d’apodisation interpolées dans la chaîne
ISRFEM. 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 de
classification 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 suivante
iasi_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 pour
heures, minutes et secondes à partir du début de prises de données, nnnnn est le nombre ortibal
et 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 et
enfin ’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 qui
fait 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 plusieurs
fichiers correspondant à des orbites. Le nom du fichier est alors du type IASI_O3_AK_20080816_*.txt
et 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 premier
niveau n’est pas disponible (à cause de l’orographie, c’est-à-dire là où l’altitude est supérieure
au premier point de mesure, voire aux niveaux suivants), la donnée est imposée à -999.
27

28. LATMOS-ULB 1 latitude
2 longitude
3 temps [hhmmss]
4 SZA [˚]
5 à 44 profil de l’ozone [ppb] sur 40 niveaux
45 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 correspond
à 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. Eumetsat
utilise 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 permet
de fournir des estimations des erreurs, ce qu’Eumetsat via les réseaux de neurones ne peut pas
faire.
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, mais
cela 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 für
Meteorologie und Klimaforschung/Instituto de Astrofísica de Andalucía (IMK/IAA), a rendu
possible la comparaison des données IASI avec un autre satellite (MIPAS étant embarqué sur
Envisat et opérationnel depuis 2002). Il fournit des profils d’ozone (et température) dans la
stratosphère avec une résolution verticale de 3 à 5 kilomètres. Téléchargeable sur le serveur de
l’IMK, les données sont présentées sous la forme MIPAS-E_IMK.20080816.V4O_O3_202 et
une routine IDL (Interactive Data Language) est fournie pour lire les fichiers. Chaque fichier
correspondra à une journée et à l’intérieur, chaque paragraphe correspondra à une valeur de
latitude/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 certainement
pas remplir une grille de 0.5˚× 0.5˚(∼ 260 000 points), ni même 1˚× 1˚(∼ 65 000 points). Il faut
alors soit interpoler sur une grille d’environ 10˚× 10˚, soit prendre une moyenne sur plusieurs
jours.
La couverture journalière selon les années est disponible sur le site suivant :
http://www-imk.fzk.de/asf/sat/envisat-data/O3.html
Il permet alors de voir la qualité des données sur les différentes années d’activité du satellite et
suivant les différents traitements opérés.
Les données qui nous intéressent sont fournies en [ppmv]. À l’aide de la pression elle aussi
fournie, 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 la
connaissance de l’atmosphère et de ses interfaces afin de mieux comprendre et modéliser les
28

29. MIPAS 1 flag de visibilité : 0 si l’altitude non visible pour MIPAS, 1 sinon
2 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 aura
ces 8 colonnes et ∼60 lignes. Latitude et longitude se récupèrent en en-tête des colonnes (voir
annexe 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 un
format 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 strictement
identique.
Il faut bien avoir en tête qu’il s’agit d’une année modélisée et non des mesures. Ainsi une
comparaison pixel par pixel, ou plutôt maille de grille par maille de grille n’a pas de sens.
29

30. Chapitre 4
Confrontation des produits IASI
d’EUMETSAT aux autres données
4.1 Mise en oeuvre
La 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 leurs
diverses applications.
Les données étant fournies dans un format de type latitute|longitude|data, le logiciel ENVI a
permis de directement pouvoir les mettre sur carte. Cependant, pour calculer la colonne partielle
d’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 fallu
créer des masques pour enlever ces valeurs, et aussi éviter toute interpolation sur les points que
le satellite n’a pas mesuré. Il faut donc créer une grille artificielle de points et faire correspondre
les mesures avec ces points. Ainsi, tout point non remplacé sera considéré comme masque. In
fine, c’est le logiciel IDL qui a été retenu, du fait de son aptitude à lire tous les formats des jeux
de données d’ozone, et pour la capacité à sortir des graphiques et des cartes lisibles et facilement
utilisables.
2011 c EUMETSAT.
Ozone data provided by LATMOS/CNRS & ULB.
2011 c MIPAS V4O_O3_202.
4.2 Échantillonnage des données EUMETSAT
Les 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 retraite
ses données régulièrement. Afin d’éviter une trop grosse quantité de données retraitées, il m’a
été demandé d’établir le meilleur échantillonnage pour réduire cette quantité, et par la même
occasion la taille des fichiers, sans pour autant nuire à la qualité des données.
4.2.1 Processus
Le 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

31. 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 la
lecture des fichiers.
2ème étape : application du masque nuageux
Cette étape se fait naturellement. En effet, EUMETSAT dispose d’un masque nuageux très
strict 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 spatial
3ème étape : Échantillonnage
La récupération des données fournit une matrice simple où la première colonne correspond à
la latitude, la seconde à la longitude et les 4 colonnes suivantes aux colonnes d’ozone partielles
et 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 va
correspondre à aucun écrémage, est quand le saut de ligne prend la valeur de 1 : toutes les
lignes sont sélectionnées, l’échantillonnage est de plus forte densité. Ensuite, si le saut est de
deux, une valeurs sur 2 sera prélevées, ainsi de suite. Quant aux possibles valeurs intermédiaires
entre 1 et 2, pour par exemple prendre deux lignes sur trois, le saut a été établi à 1,5 (1,25 et
1,75 aussi pour se permettre d’affiner l’échantillonnage). Pour la sélection de la ligne, la valeur
entière du saut est sélectionnée (voir tableau 4.1).
Valeur de la ligne i 1 2.5 4 5.5 7
Ligne 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 alors
correspondre à un carré de cette grille. C’est alors l’application d’une simple moyenne sur tous
les 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’échantillonnage
de 50%, le saut de 2, ce dernier s’effectue sur les données non grillées, mais il n’est pas forcé
que la grille soit réduite de 50%, et heureusement. En un point de la grille, il y aura seulement
moins de points contribuant à la moyenne.
4.2.3 Échantillonnage temporel
Une 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 les
grilles de chacunes des journées. Sur le même système que le tableau 4.1, au lieu de sélectionner
la 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

32. 4.2.4 Statistiques et résultats
Échantillonnage spatial
Si l’échantillonnage spatial se fait sur les données L2 issues d’EUMETSAT, les statistiques
quant à elles s’opèrent sur les données grillées. En effet, le nombre de points d’une journée est
important, une réduction partielle des points n’influera pas la distribution statistique de manière
efficace, mais plutôt la distribution statistique de la grille issue de cet échantillonnage (le temps
de 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 et
y de tailles respectives n1 et n2 et d’écarts-types respectifs σ1 et σ2 est calculée suivant une loi
normale via :
2 2
|¯ − y |
x ¯ n1 n2 σ1 (n1 − 1) + σ2 (n2 − 1)
t= où σ 2 =
σ n1 + n2 n1 + n2 − 2
On peut alors ensuite affirmer, avec un risque (probabilité d’erreur) de 5% que la différence est
seulement 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 sur
la qualité des données. Il est évident que le résultat va dépendre de la journée sélectionnée, de sa
couverture 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 pour
différentes journées. Afin d’éviter une erreur significative sur ne serait-ce qu’une journée, il faut
alors choisir la valeur maximale de l’échantillonnage. Bien que certaines journées autorisent
un échantillonnage de 5 (une valeur sur 5), la plupart tourne autour de 2 ou 3. Au final, un
échantillonnage de 2 semble être le meilleur compromis entre une réduction des données (de
50% 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 la
grille, 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 gauche
en bleu : la courbe représentant le quantile en fonction du sampling montre une pente beaucoup
plus faible et dépasse alors le critère de 1.96 (en rouge) après la valeur de 8 (c’est-à-dire une
valeur sur 8).
32

33. F IGURE 4.1 – Echantillonnage spatial et temporel. À gauche, l’échantillonnage spatial. À
chaque trait correspond un jour (les 5 premiers jours du mois de septembre 2008), en noir 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. À droite, l’échantillonnage temporel, sur le mois
d’août 2008.
Échantillonnage temporel
Pour l’échantillonnage temporel, le même outil statistique que pour l’échantillonnage spatial
est 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’en
former plus qu’une qui est ensuite comparée via la loi de Student avec la grille formée par tous
les 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 dépendre
de la qualité des jours (par exemple, le 21 août 2008 n’a qu’une seule orbite disponible), nous
n’obtenons pas une courbe strictement monotone, et si certains échantillonnages sont inférieurs
au 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 des
jours 1, 3, 6, 8, 11, 13, 16, 18, 21, 23, 26, 28 et 31 s’avère être suffisante pour garder les mêmes
caractéristiques que si l’on avait choisi tous les jours du mois. La figure 4.3 représente sur carte
cet échantillonnage en comparaison avec le mois total. Les différences sont peu nombreuses et
l’ensemble correspond bien dans les deux cas. Cela correspond donc à une sélection de 2 jours
sur 5.
Ce test n’a été effectué que sur l’unique mois d’août. Il est évident qu’il faudrait lancer ce
calcul pour tous les mois de l’année afin d’en tirer une valeur d’échantillonnage valide pour
toute 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 fournisseurs
des 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 un
échantillonnage spatial avec un échantillonnage temporel, afin de réduire considérablement les
données.
33

34. F IGURE 4.2 – Résultats de l’échantillonnage spatial sur carte. En haut, la journée complète du
1er 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

35. F IGURE 4.3 – Résultats de l’échantillonnage temporel sur carte. En haut, les 31 jours du mois
d’août 2008 sur grille moyennés, et en bas, 13 jours du même mois. Le pas d’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