Mesure de la réfractivité atmosphérique par radar météorologique

Comparaison avec un réseau de capteurs au sol 24/10/2015
Publication REE REE 2015-4
OAI : oai:www.see.asso.fr:1301:2015-4:14192
contenu protégé  Document accessible sous conditions - vous devez vous connecter ou vous enregistrer pour accéder à ou acquérir ce document.
Prix : 10,00 € TVA 20,0% comprise (8,33 € hors TVA) - Accès libre pour les ayants-droit
 

Résumé

Mesure de la réfractivité atmosphérique par radar météorologique

Métriques

12
9
629.18 Ko
 application/pdf
bitcache://4d82d90015d9945b7c2bdc2120af9eb6a7e9b6fe

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/1301:2015-4/14192</identifier><creators><creator><creatorName>Ruben Hallali</creatorName></creator><creator><creatorName>Francis Dalaudier</creatorName></creator><creator><creatorName>Gilles Guillemin</creatorName></creator><creator><creatorName>Alain Moreau</creatorName></creator><creator><creatorName>Jacques Parent du Châtelet</creatorName></creator></creators><titles>
            <title>Mesure de la réfractivité atmosphérique par radar météorologique</title><title>Comparaison avec un réseau de capteurs au sol</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2015</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sat 24 Oct 2015</date>
	    <date dateType="Updated">Thu 26 Jan 2017</date>
            <date dateType="Submitted">Wed 19 Sep 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">4d82d90015d9945b7c2bdc2120af9eb6a7e9b6fe</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>24030</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

SONDER LA MATIÈRE PAR LES ONDES ÉLECTROMAGNÉTIQUESURSI 2015 78 REE N°4/2015 Introduction La vapeur d’eau joue un rôle important dans de nombreux processus atmosphériques, et une meilleure connaissance de la structure spatiale et de la variabilité du champ d’humi- dité dans les basses couches est essentielle pour améliorer la compréhension de phénomènes tels que la turbulence, la convection ou l’évaporation. A l’interface entre les surfaces et l’atmosphère, la vapeur d’eau intervient dans les échanges de chaleur et de quantité de mouvement, qui doivent être mieux pris en compte dans le cadre des études sur le changement climatique. Les modèles à méso-échelle ne représentent pas encore parfaitement les structures dynamiques et les proces- sus microphysiques intervenant en début de convection, ce qui entraîne un manque de précision dans les prévisions. Là encore, une des conditions d’amélioration réside dans une meilleure connaissance du champ d’humidité de basse couche. Les études de sensibilité montrent qu’une erreur de 2 % sur la mesure d’humidité relative peut être cruciale dans la prévision d’évènements convectifs par les modèles numériques. De plus, les quantités de précipitations prévues numériquement pourraient être considérablement amélio- rées par l’assimilation d’un champ d’humidité de haute résolu- tion. Comme le réseau de stations sol ne peut pas fournir de telles résolutions, la mesure de réfractivité atmosphérique par radar semble être une bonne voie pour approcher, et à terme atteindre cet objectif. Les radars météorologiques, conçus pour localiser et suivre les zones précipitantes, peuvent être utilisés pour des mesures de réfractivité atmosphérique. Pour cela, il est nécessaire d’analyser le changement de la phase du signal radar rétro- diffusé par des cibles fixes pour de faibles élévations du fais- ceau entre deux observations successives. La mesure a été implémentée sur les radars de Météo-France et les résultats ont été fructueux durant la campagne HyMeX avec les radars en bande S. Plusieurs produits ont été développés pour cette bande de fréquence, comme par exemple une cartographie des variations de réfractivité avec une échelle horizontale de 5 km et temporelle de 15 min. L’évolution temporelle des phé- nomènes météorologiques peut ainsi être suivie et des études sur l’assimilation de la réfractivité dans les modèles de prévi- sion numérique du temps sont en cours pour évaluer l’impact de la mesure sur la prévision du déclenchement de la convec- tion (Besson et al., 2013). Malgré ces résultats positifs, certains problèmes connexes subsistent, en particulier pour la bande C (5 GHz) couramment utilisée dans le réseau européen, et ces problèmes doivent être surmontés avant une exploitation opérationnelle. On note Mesure de la réfractivité atmosphérique par radar météorologique Comparaison avec un réseau de capteurs au sol Par Ruben Hallali1,3 , Francis Dalaudier1 , Gilles Guillemin2 , Alain Moreau2 , Jacques Parent du Châtelet3 Université Versailles St-Quentin, Sorbonne Universités, UPMC Université Paris 06 CNRS-INSU LATMOS-IPSL1 Météo-France2 , Météo-France, UMR 3589, CNRS-CNRM-GAME, Centre National de Recherches Météorologiques3 Weather radar could measure change in the refractive index of air in the boundary layers of the atmos- phere. This technic uses the signal phase from ground targets located around radar. This measure pro- vides information on atmospheric refractivity which depends on meteorological parameters such as temperature, pressure and humidity. During the HyMeX campaign, refractivity measurements were implemented with success on several S-band radars of ARAMIS French network. In order to better characterize origins of errors, recent work has led to temporal variations simulations of refractivity based on Automatic Weather Station (AWS) measurements. These simulations have shown a stronger variability of the signal during the summer and the afternoon, when refractivity is most sensitive to humidity. One may argue that this is caused by turbulence in the lower layers of the atmosphere. This has raised the question about whether or not observed variability of refractivity can lead to information on turbu- lent state of the atmosphere. In order to sample temporal and spatial phase variability, an analysis based on 1-year dataset from C-band ARAMIS radars and AWS measurements is presented. It has highlighted the possibility of setting quantitative and qualitative link between radar refractivity variability and AWS refractivity variability. ABSTRACT REE N°4/2015 79 Mesure de la réfractivité atmosphérique par radar météorologique principalement le bruit associé au champ de phase mesuré par le radar ; les effets de différence d’altitude entre cibles radars utilisées (terrain non plat) ; les changements du gradient verti- cal de réfractivité ; et les incertitudes sur la position exacte de la cible. Comme proposé par Fabry (2004), un lissage spatial et temporel du champ de phase est efficace pour limiter l’im- pact de ces problèmes. Cela suggère que l’erreur est principa- lement due à des variations stochastiques de petite échelle autour d’une valeur moyenne stable. Depuis lors, des procé- dures de calcul de moyennes ont été utilisées dans presque tous les produits opérationnels et expérimentaux de la réfracti- vité : mesures radar à McGill, IHOP (International H2O Project), REFRACTT (Refractivity Experiment for H2O Research and Collaborative Operational Technology Transfer) et campagne HyMeX (Hydrological cycle in Mediterranean eXperiment). Lors d’un récent travail portant sur les sources d’erreurs liées à la mesure, une simulation à partir de données de sta- tions in situ a permis d’établir que la variabilité de la réfracti- vité durant l’été et l’après-midi est nettement plus importante que durant la nuit, et plus encore que durant l’hiver. Sur cette base nous avons voulu approfondir la relation entre les fluctua- tions atmosphériques mesurées in situ par les stations auto- matiques et la variabilité de la réfractivité mesurée par radar. L’objectif est d’établir si la mesure par radar de la variabilité de la réfractivité peut donner une information sur le caractère tur- bulent de l’atmosphère. Dans cet article, nous comparons deux jeux de données issus des réseaux d’observation opérationnels. Le premier ensemble est constitué d’un an de mesures (2013) par le radar en bande C de Trappes (Ile-de-France) et le second de mesures faites par 13 stations sol dans le voisinage du radar. On indique en particulier comment choisir les cibles perti- nentes pour ce type d’observation par radar : une première sélection globale est effectuée à l’aide d’un indice statistique, suivie d’une sélection plus fine d’un petit nombre de cibles de référence. Nous définissons ensuite un indicateur de varia- bilité : l’écart-type glissant sur 2 h du taux de variation de la réfractivité (ETOR). De tels indicateurs sont calculés pour le radar et pour l’in situ, et comparés qualitativement et quantita- tivement. Cette comparaison est faite dans un premier temps pour une sélection de cibles radar de référence, puis géné- ralisée en utilisant une sélection de cibles plus large, et pour les saisons estivale et hivernale. Pour expliquer la dépendance avec la distance clairement observée, on utilise l’hypothèse d’une turbulence figée propagée par le flux. La partie 3 pré- sente le modèle utilisé et les résultats obtenus pour différentes cibles de référence : l’été, les résultats sont très probants et la mesure de vent peut conduire à une estimation de la variabi- lité sur différentes distances, jusqu’à environ 5 km. Quelques limitations sont observées l’hiver, liées au bruit de quantifica- tion sur les données in situ. Enfin, les conclusions et perspec- tives sont exprimées dans la dernière partie. Les données et les outils Mesures de réfractivité… …avec les stations automatiques : La réfractivité N est définie comme N = 106 x (n – 1) où n est l’indice de réfraction de l’air. Pour relier N aux mesu- rables atmosphériques, la relation1 empirique est couramment utilisée pour les applications radar : (1) où P est la pression atmosphérique [hPa], T la température [K] et e la pression partielle de vapeur d’eau [hPa]. Nous avons utilisé les données de treize stations auto- matiques situées aux alentours du radar de Trappes. Toutes mesurent la température, l’humidité relative, les quantités de précipitations à 2 m ainsi que la force et la direction du vent à 10 m. Seules cinq d’entre elles mesurent la pression atmos- phérique et pour les autres, on utilise la pression mesurée à Trappes (altitude 167 m). Les données présentées sont toutes issues de la station de Trappes ; des résultats similaires, non présentés ici, ont été obtenus avec les autres stations. … avec les radars météorologiques : L’utilisation des changements de la phase du signal rétrodif- fusé par les cibles fixes présentes dans le voisinage des radars permet de mesurer une réfractivité Nm (r, az, t), moyennée entre le radar et la cible, à une date t pour un pixel radar à une distance r et à un azimut az : (2) Dans la suite de l’étude, nous utiliserons le taux de variation de réfractivité entre mesures successives séparées par t noté : (3) Ce taux de variation est destiné à rendre compte de la varia- bilité de la réfractivité, particulièrement pour les fréquences élevées (quelques minutes). La même méthode de traitement sera appliquée aux données in situ. 1 Pour le travail présenté, l’équation peut-être simplifiée (1). Pour une plage de température de - 50 °C à 40 °C l’erreur est inférieure à 0,02 % sur la mesure de réfractivité. SONDER LA MATIÈRE PAR LES ONDES ÉLECTROMAGNÉTIQUESURSI 2015 80 REE N°4/2015 Sélection des cibles fixes Même par temps clair, il existe une multitude d’échos radar rétrodiffusés par des cibles visibles sur le signal (figure 1). Celles-ci ne sont pas toutes de qualité équivalente. Il peut s’agir de cibles vraiment fixes, mobiles, fixes mais déformables (arbres, herbes etc.). Comme la mesure consiste à exploiter de très petites variations du trajet optique entre le radar et la cible, celle- ci ne doit absolument pas bouger et il faut soigneusement choi- sir les pixels utilisables. Différentes méthodes de sélection de cibles Les méthodes déjà développées (Fabry et al., 1997 et Besson et al., 2012) pour sélectionner les cibles avaient pour objectif une extraction des échos permettant un bon suivi des variations temporelles de la réfractivité sur des temps assez longs, allant de quelques jours à plusieurs mois. Il faut prendre en compte que la mesure de réfractivité par radar s’effectue par différence de phase entre des instants successifs sépa- rés par cinq minutes, qu’il faut ensuite intégrer pour restituer la série temporelle N(t). Si cette variation de phase dépasse [– , + ], alors la mesure devient ambigüe et se traduit par une erreur importante qui, compte tenu de l’intégration, va se réper- cuter dans tout le reste de la série temporelle. Par exemple pour le radar de Trappes, le signal venant d’une cible à 10 km devien- dra ambigu dès que la variation de la réfractivité moyennée dépasse 1,5 unités en cinq minutes. On comprend alors pour- quoi les méthodes de sélection doivent être « sévères ». L’objectif du présent travail qui s’intéresse aux variations rapides de la réfractivité liées à la turbulence, est sensiblement différent et nous avons donc mis en place un nouveau critère pour obtenir une sélection de cibles adaptée à notre étude. Méthode de sélection basée sur la corrélation Nous disposons de deux séries de mesure des variations temporelles de N. La première pour l’in situ et la seconde pour la réfractivité moyennée entre le radar et une cible. Après retrait de la valeur moyenne, la corrélation entre les deux nous donne un indicateur pour comparer le suivi haute fréquence de la mesure radar par rapport à la mesure issue de stations in situ. Sur la période du 2 au 6 juin 2013, en fixant le seuil de corréla- tion à 0,9, nous retenons un ensemble de 3 381 cibles répar- ties sur toute la gamme de distance, beaucoup plus qu’avec les précédentes méthodes, et qui pourront être utilisées lors des comparaisons statistiques. Sélection des « cibles de référence » Avant de passer aux études statistiques plus globales, nous avons commencé par quelques cibles fixes dites « de réfé- rence » aux fins de vérification et de confirmation. Pour être sélectionnée dans la liste de référence une cible doit être iden- tifiée sans ambiguïté comme étant la seule source du signal dans le pixel considéré. Les structures identifiées sont souvent des bâtiments élevés, des pylônes électriques, les antennes relais, les châteaux d’eau ou les tours (figure 1). La sélection de référence permet de comparer à haute fré- quence les variations de réfractivité pour un nombre limité de cibles (entre 25 et 34 selon la saison). Choix de l’indicateur de variabilité Afin de quantifier la variabilité haute fréquence de la réfrac- tivité, l’écart-type glissant sur 2 h du taux de variation de la réfractivité (ETOR) est calculé pour les deux ensembles de données. La taille de la fenêtre (2 h) doit être suffisamment grande pour avoir assez de valeurs (25 valeurs pour le radar et 121 valeurs pour l’in situ) pour que la moyenne soit signi- fiante. L’indicateur est défini pour chaque cible à une distance r du radar et à un azimut az par : (4) Figure 1 : Carte représentant l’amplitude de la réflectivité dans un rayon de 50 km autour du radar de Trappes (au centre) en niveau de gris. Les cibles constituant la sélection de référence sont représentées de la façon suivante : en rouge des pylônes des lignes électriques, en vert foncé des antennes relais, en vert clair des tours et autres structures bâties, en bleu des châteaux d’eau et en jaune la Tour Eiffel. Source : Latmos. REE N°4/2015 81 Mesure de la réfractivité atmosphérique par radar météorologique Et pour l’in situ : Cet écart-type s’exprime en unités de réfractivité par minute pour l’heure h. Dans certaines études statistiques, nous utilisons une sépa- ration jour/nuit. De façon à éviter les situations intermédiaires, nous avons systématiquement retiré une demi-heure avant et une demi-heure après le lever et le coucher du soleil. Résultats Comparaison des indicateurs sur les cibles de référence Les définitions des ETOR à la fois radar et in situ per- mettent une comparaison quantitative des fluctuations tem- porelles. Dans un premier temps nous utilisons quelques cibles de référence à des distances croissantes du radar. La variabilité haute fréquence de la réfractivité mesurée par radar est calculée sur une valeur intégrée sur une distance r. Dans ce contexte, on s’attend donc à ce que plus la distance r est grande, plus la variabilité décroît. C’est effectivement le cas avec toutes les cibles de référence (non montrées ici) pen- dant toutes les périodes estivales considérées. Un exemple de séries temporelles est représenté sur la figure 2 pour l’in situ (ETORin situ , courbe rouge gras) et pour le radar (ETORR , autres courbes) pour des cibles situées de 3 à 24,5 km du radar, et pour deux périodes différentes : à gauche l’hiver du 11 au 15 décembre 2013 et à droite l’été du 1er au 5 août 2013. Pour la période estivale le temps était anticyclonique, enso- leillé et chaud. On observe (partie droite de la figure) : nuit, tant pour le radar que pour l’in situ ; atteintes par ETORin situ sont situées entre 1,5 et 2,5 min-1 le jour juste avant le maximum de température et entre 0,2 et 0,3 min-1 la nuit ; ETORin situ et ETORR est très bonne. Les valeurs de l’indice sont plus faibles pour le radar mais les variations sont les mêmes ; ETORR calculés pour différentes cibles est également très bonne. On note également que le niveau de variabilité diminue lorsque la distance r augmente. La même constatation peut être faite durant la nuit à l’excep- tion d’une cible particulière (Tour Eiffel, courbe magenta). Pendant la période d’hiver, le temps était calme avec un vent faible. Les journées du 3, 4 et 5 décembre étaient enso- leillées. Durant cette période les indicateurs de variabilité ne dépassent pas 0,4 min-1 . Les valeurs maximales ne sont pas nécessairement atteintes au milieu de la journée. On observe de temps en temps une bonne corrélation entre le radar et l’in situ et quelquefois non. L’effet de la distance r sur la variabilité Sur la figure 2 qui utilise des cibles de référence, la dépen- dance de la variabilité avec la distance radar-cible est évidente. Par ailleurs on constate que l’été, et surtout l’après-midi, le Figure 2 : Séries temporelles des écarts-types glissants radar ETORR et in situ ETORin situ , pour les périodes du 3 au 7 décembre 2013 et du 1er au 5 août 2013. ETORin situ est tracé en rouge gras, et les cinq signaux radar ETORR sont classées par distances r croissantes (bleu 2,9 km, vert 5,3 km, orange 12,2 km, cyan 14,16 km et magenta 23,3 km). L’échelle des ordonnées est en logarithme – Source : Latmos. (5) SONDER LA MATIÈRE PAR LES ONDES ÉLECTROMAGNÉTIQUESURSI 2015 82 REE N°4/2015 niveau des ETOR est presque systématiquement plus fort pour les stations automatiques que pour le radar. C’est moins vrai au cours de la nuit pendant laquelle les niveaux d’ETOR pour le radar et pour les stations automatiques peuvent devenir proches. Ce comportement est probablement dû à la diffé- rence entre la réfractivité mesurée localement avec des instru- ments in situ et celle qui est mesurée par le radar, d’autant plus intégrée que la distance est grande. Nous cherchons maintenant à établir la dépendance de la variabilité atmosphérique mesurée par radar en fonction de la distance r. Dans le domaine temporel, l’étude porte sur l’au- tomne et le début de l’hiver (octobre/novembre/décembre 2013) et sur la période estivale (juin/juillet/août 2013). Nous avons utilisé les pixels sélectionnés par le critère de corrélation pour un total de 3 381 cibles. La durée de la période et le grand nombre de pixels sélectionnés nous incitent à effectuer un traitement statis- tique sur les variabilités journalières en séparant le jour et la nuit. Ainsi on calcule les moyennes des ETOR pour le radar et l’in situ en utilisant la séparation jour/nuit décrite plus haut. On obtient alors pour chaque jour, chaque nuit et pour chaque cible : (6) (7) avec nuit ou jour la moyenne des écarts-types horaires sur les heures de jour ou sur les heures de nuit respectivement. Pour chaque cible, une valeur représentative de la variabilité saisonnière (jour ou nuit) est calculée à l’aide d’une médiane temporelle sur les 92 valeurs des variabilités quotidiennes. Puis afin de déterminer une valeur représentative de la variabi- lité saisonnière pour chaque distance r, on calcule la médiane et les 1ers et 3es quartiles des valeurs médianes précédemment obtenues sur l’ensemble des cibles présentes à cette distance. Cette valeur médiane est notée . Nous pouvons résumer le traitement par la formule : (8) L’opérateur me[.]t correspond à la médiane temporelle et l’opérateur me[.]az correspond à la médiane angulaire. Pour la mesure in situ nous prendrons de façon analogue la médiane sur le temps de la variabilité journalière par période sur ETORin situ : (9) Le choix de la médiane évite de donner trop d’influence aux valeurs extrêmes provenant d’éventuelles ambiguïtés de mesure de la phase du signal radar. La figure 3 présente les variabilités et en fonction de la distance du radar à la cible. La période hivernale est située à gauche (figure 3a), la période estivale à droite (figure 3b). A titre de référence, les valeurs de la variabilité in situ ont été placées sur ce même graphique sous forme de triangles magenta (jour) et cyan (nuit) à la position r = 0m. Les barres Figure 3 : Etude des variabilités en fonction de la distance entre le radar et les cibles. (a) du 1er octobre au 31 décembre et (b) du 1er juin au 31 août 2013. La courbe verte pointillée représente la variabilité d’une cible dont la phase varierait selon une loi uniforme entre – et . De même la droite noire pointillée est donnée par le calcul de la variabilité qu’aurait une cible dont la phase varierait selon une loi uniforme dans un intervalle correspondant au pas le pas de quantification de la phase mesurée par radar (±1,40°). Les barres verticales sont données par le 1er et le 3ième quartile. Les axes sont gradués en échelle logarithmique – Source : Latmos. REE N°4/2015 83 Mesure de la réfractivité atmosphérique par radar météorologique de dispersion correspondent aux 1ier et 3e quartiles calculés précédemment. Deux courbes limites supplémentaires ont été tracées, la verte correspond à une cible hypothétique dont la phase suit une distribution uniforme entre – et et la noire correspond à l’effet du bruit de quantification de la mesure radar. Nous pouvons observer que les barres de dispersion sont nettement plus petites durant les jours d’été ce qui signifie que les ETORR sont à un niveau équivalent pour la majorité des cibles à une distance r donnée. Cette valeur peut donc être considérée comme caractéristique de la variabilité saisonnière. De plus, et décroisent avec la distance pour toutes les saisons. Un fort contraste jour/nuit est aussi observé, plus marqué (x5) l’été que l’hiver (x2). est plus élevé pour toutes les distances l’été que l’hiver. Enfin, au-delà de 18 km, le nombre de cibles disponibles étant plus faible, les barres d’er- reur n’ont plus vraiment de sens. En résumé, la variabilité à cinq minutes de la réfractivité moyennée diminue avec la distance, ce qui résulte de l’inho- mogénéité de l’atmosphère sur le chemin entre le radar et la cible. Un modèle basé sur la notion de bulles atmosphériques de taille variable semblerait pertinent pour expliquer cette atté- nuation avec la distance et les différences observées entre une journée estivale et les autres périodes. Nous cherchons dans la partie suivante à confirmer cette interprétation par un travail de simulation qui s’appuie sur la théorie de la turbulence gelée entraînée par le vent. Simulation de la mesure de réfractivité moyennée par spatialisation du signal mesurée par l’in situ Contexte autour de l’hypothèse de Taylor Afin de mettre en relation les variabilités, une simula- tion du signal de réfractivité radar a été réalisée à partir du jeu de données in situ et de l’hypothèse de la turbulence figée transportée par le vent moyen développée par Taylor (1938). Cette modélisation permet de transformer la série temporelle échantillonnée par le capteur de la station de mesure in situ en une série spatiale autour de la station de mesure, avec un échantillonnage dépendant des proprié- tés des mesures in situ et de la vitesse du vent moyen. Ce principe a déjà été mis en œuvre dans des études anté- rieures, notamment par Besson et al. 2012. Dans un pre- mier temps, nous présentons le contexte théorique et les hypothèses nécessaires à la mise en œuvre du modèle de turbulence figée advectée par le vent. Enfin, nous éva- luerons l’apport du modèle de Taylor à la restitution des caractéristiques de la variabilité de la réfractivité moyen- née mesurée par radar. Hypothèse du modèle : - billons turbulents évoluent avec une échelle de temps plus grande que la durée de déplacement du tourbillon entre le radar et la cible. Cela suppose que la vitesse turbulente u’ soit petite devant l’intensité du vent moyen u ; entre la distance à laquelle on souhaite propager la turbu- lence et la vitesse du vent moyen, doit être suffisamment brève pour considérer l’advection pertinente ; - tion, doit être suffisamment faible pour considérer que la tur- bulence est figée ; être supposées isotropes si l’on souhaite la propager dans d’autres directions que celle du vent moyen. Il s’agira de vérifier, dans la mesure du possible, chacune des hypothèses énoncées ci-dessus. Mise en place du modèle de la turbulence figée transportée par le vent Recherche de périodes d’étude météorologique- ment favorables Les périodes favorables sont celles pendant lesquelles le vent présente une bonne stabilité temporelle, en intensité et en direction, afin de limiter les effets de perturbations dues aux cisaillements. Pour cela nous utilisons la mesure du vent à 10 m de la station de Trappes (le cisaillement vertical ne sera donc pas pris en compte). Les mesures sont disponibles au pas de temps six minutes pour les mois de juillet et de décembre. L’étude de l’écart-type de la force du vent permet d’estimer son homogénéité spatiale. Les critères utilisés ont permis de sélectionner deux périodes assez favorables que nous utiliserons pour l’étude. Schéma d’advection de la turbulence figée transportée par le vent La valeur de N à un instant t au point situé à la distance x de la station dans la direction où souffle un vent moyen d’in- tensité u (supposée constante) est identique à la valeur de la réfractivité mesurée à la station à l’instant soit : (10) Cette relation se traduit par un couplage entre variations temporelle et spatiale de la réfractivité qui exprime le modèle de turbulence figée transportée par le vent. On l’utilise pour simuler le champ de réfractivité entre le radar et la cible à par- tir de la série temporelle de mesures in situ. Ce champ peut SONDER LA MATIÈRE PAR LES ONDES ÉLECTROMAGNÉTIQUESURSI 2015 84 REE N°4/2015 ensuite être intégré pour simuler une valeur instantanée de la « réfractivité moyennée » que fournirait le radar pour une cible à la distance r. En réitérant le calcul pour chaque pas de temps, la méthode permet d’obtenir des séries temporelles simulées de « réfractivité moyennée » à partir desquelles on peut calcu- ler un écart-type glissant simulé, et que l’on peut comparer à l’écart-type glissant obtenu à partir de la mesure radar. Le calcul est effectué à partir de la vitesse du vent moyenne sur deux heures. L’algorithme mis en œuvre pour le calcul inté- gral est celui de la méthode des trapèzes. La caractérisation de l’état d’agitation de l’atmosphère résultant de la simulation suit la même méthodologie que celle appliquée aux mesures de réfractivité radar et in situ, exposée dans le chapitre précédent. Application du modèle de la turbulence figée transportée par le vent aux séries temporelles de réfractivité mesurée in situ De la même façon que lors des comparaisons entre les données radar et in situ des parties précédentes, nous allons utiliser les indicateurs de variabilité définis précédemment, à savoir ETORin situ pour la mesure in situ, ETORR pour la mesure radar, auxquels on ajoute le nouvel indicateur ETORsim pour la variabilité de la réfractivité moyennée, simulée pour le radar à partir de la propagation de la mesure in situ. Tous ces écarts- types s’expriment en unités de réfractivité par minute. Les figures (4a) et (4b) présentent les résultats de la simu- lation, à partir des données de la station météorologique de Trappes, de la variabilité ETORsim résultant de la propagation spatiale de la réfractivité mesurée in situ dans le cadre des hypothèses de Taylor. On retrouve les caractéristiques déjà observées de la varia- tion diurne et de la variation saisonnière de l’agitation atmos- phérique. L’effet de lissage dû à l’intégration spatiale sur le trajet entre le radar et la cible est important et ceci dès le pre- mier km. Ce phénomène de réduction d’amplitude de notre indicateur croît avec la distance d’éloignement, de façon non directement proportionnelle (courbes après 6 km). L’effet de lissage semble donc être bien expliqué grâce à cette première étape de simulation : il résulte effectivement d’une compensation partielle des fluctuations de la réfrac- tivité le long du trajet entre le radar et la cible. En considé- rant le niveau du signal entre ETORin situ et ETORsim (1 km), on peut conclure que la turbulence impactant la mesure radar est dominée par des structures de tailles inférieures à 1 km. A ce stade, il apparaît intéressant de vérifier dans quelle mesure ce modèle de turbulence figée advectée par le vent moyen permet de rendre compte de la variabilité de la réfrac- tivité effectivement mesurée par radar. Comparaison qualitative de l’amplitude de la variabilité de la réfractivité moyennée mesurée par radar et simulée pour le radar par propagation de la mesure de réfractivité in situ Comparaison des séries temporelles Les figures 5(a) et 5(b) présentent la comparaison de la varia- bilité de la réfractivité mesurée par radar ETORR et simulée pour le radar ETORsim dans le cadre de l’hypothèse de turbulence figée de Taylor, respectivement pour la période hivernale, du 15 au 17 décembre 2013, et pour la période estivale, du 10 au 13 juil- let 2013. La comparaison est présentée pour trois cibles issues Figure 4 : Simulation de la variabilité de la réfractivité ETORsim qu’observerait un radar par propagation de la réfractivité mesurée in situ à la station de Trappes selon le modèle d’advection de la turbulence figée, pour douze cibles virtuelles distantes de 1 à 12 km du radar, par pas de 1 km, pour (a) la période du 15 au 17 décembre 2013 (hiver) et pour (b) la période du 10 au 13 juillet 2013 (été). La variabilité est représentée par l’écart-type horaire glissant, calculé sur deux heures, des différences de premier ordre de réfractivité, exprimée en unité de réfractivité par minute. On remarque que l’amplitude de l’agitation diurne est environ quatre fois plus grande en été qu’en hiver – Source : Latmos. REE N°4/2015 85 Mesure de la réfractivité atmosphérique par radar météorologique de la sélection de cibles de référence à des distances d’éloigne- ment du radar de 1,2 km, 3,1 km et 5,3 km. Pour ces trois cibles, la comparaison s’effectue avec les séries temporelles de variabi- lité de la réfractivité simulée pour le radar pour des cibles fictives distantes respectivement de 1,3 et 5 km du radar. La figure 5 dans son ensemble montre un bon accord entre l’observation radar et la simulation, et la variabilité simulée est comparable en amplitude à celle mesurée par le radar, tant l’hi- ver que l’été. Cela permet de conclure que ce modèle d’advec- tion de la turbulence par le vent explique la plus grande partie de la variabilité observée par le radar. Cependant la variabilité simulée est légèrement moins intense, et une petite partie de la variabilité du signal radar ne s’explique donc pas par ce modèle. La simulation se révèle particulièrement convaincante lorsqu’elle parvient à reproduire correctement des petits déca- lages temporels entre les maxima de variabilité in situ et radar. Par exemple le 10 juillet on constate que la structure du maxi- mum de variabilité radar est bien reproduite par la simulation, notamment pour les cibles à 3 et 5 km. L’examen de la situa- tion météorologique de cette journée révèle que les caracté- ristiques sont favorables : conditions stables, faible cisaillement de vent et cibles situées sous le vent du radar. Conclusions et perspectives Dans le cadre de l’amélioration de la description spatiale et temporelle du champ d’humidité atmosphérique près du sol, cette étude présente une comparaison entre la variabilité temporelle de la réfractivité mesurée par les stations automa- tiques et par un radar météorologique du réseau opérationnel de Météo-France. La mesure de réfractivité par radar nécessite la présence et la sélection d’échos de sol de bonne qualité selon les objectifs poursuivis. Les critères de sélection des pixels utilisés dans les travaux précédents utilisés répondaient à un besoin de suivi temporel de la valeur de la réfractivité mesurée par radar à fin de comparaison avec des stations de mesures classiques. Pour étudier la variabilité haute fréquence de la réfractivité, nous proposons un critère de sélection basé sur la corrélation tem- porelle entre les signaux in situ et radar qui a permis le choix de cibles à toutes les distances atteignables par la mesure (0,5 à 32 km). Nous avons également, à titre de comparaison et de validation, établi un jeu de cibles de référence bien identifiées. Après définition d’un indice (ETOR) destiné à la comparaison entre les variabilités des signaux, nous avons établi la très bonne corrélation temporelle entre les variabilités radar et in situ. En utili- sant les cibles de référence, il est apparu que les variabilités radar sont également bien corrélées entre elles. Toutefois durant la nuit ou l’hiver, cette corrélation devient moins marquée. Durant ces périodes, la variabilité in situ observée est souvent au niveau du bruit instrumental. Un effet diurne et saisonnier apparaît éga- lement clairement, les fluctuations atmosphériques étant de plus grande amplitude le jour d’été sous l’effet du forçage exercé par le rayonnement solaire. On interprète donc les fluctuations rapides de réfractivité radar comme une conséquence de la tur- bulence de couche limite qui ne présente pas la même struc- ture en journée l’été que pendant les autres périodes étudiées. Par ailleurs, on observe que l’indice de variabilité radar dimi- nue avec la distance, ce qui résulte des inhomogénéités de petite échelle de la réfractivité sur le chemin du radar à la cible. Pour vérifier la pertinence de cette interprétation, un modèle Figure 5 : Comparaison de séries temporelles des écarts-types caractérisant l’amplitude de la variabilité de la réfractivité mesurée par radar ETORR (en bleu) et simulée ETORsim (en vert) en advectant les mesures de réfractivité in situ selon le modèle de la turbulence figée selon Taylor, pour trois cibles fictives de distances croissantes au radar 1 km (en haut), 3 km (au centre) et 5 km (en bas), pour la période du 15 au 17 décembre 2013 (a) et pour la période du 10 au 13 juillet 2013 (b). Les cibles fictives sont placées à la même distance que les cibles réelles. L’écart-type caractérisant la variabilité de la réfractivité mesurée in situ ETORin situ est représentée en trait rouge gras. On remarquera la différence d’amplitude des écarts-types, dans un rapport quatre entre la séquence estivale et la séquence hivernale – Source :Latmos. SONDER LA MATIÈRE PAR LES ONDES ÉLECTROMAGNÉTIQUESURSI 2015 86 REE N°4/2015 basé sur la notion de bulles atmosphériques de taille variable advectées par le vent a permis de simuler des séries tem- porelles de réfractivité radar à partir des séries temporelles mesurées in situ. Ces simulations réussissent à restituer assez correctement la variabilité des mesures radar, notamment lors des phases d’agitation diurne de la période estivale. Ainsi, en disposant d’une mesure de vent à 10 m et d’une station in situ, on peut restituer le niveau de variabilité de la réfractivité pour des distances allant de 1 à 5 km environ. Une des perspectives possibles sera alors d’établir des niveaux d’agitation de l’atmos- phère grâce à une mesure de vent et des mesures de la varia- bilité de la réfractivité radar à différentes distances. Cette étude s’inscrit également dans le contexte d’une expé- rimentation (TeMeRAiRE pour Test de la Mesure de Réfracti- vité Atmosphérique par Radar à l’Echelle hectométrique) menée durant l’été 2014 sur la plateforme du SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique) située à Palaiseau. Elle consiste à étudier les propriétés de la réfractivité à l’aide de deux radars à 9,5 et 95 GHz illuminant des cibles artificielles constituées de piquets de 10 mètres de hauteur, coiffés de trièdres métalliques rétrodiffusant, alignés et positionnés à différentes distances (300, 500, 550 et 650 m) du radar. Ce dispositif a permis d’effectuer des tirs à hautes fréquences (1,5 ms et 0,25 s) et offre davantage de souplesse que l’utilisation d’un radar météorologique opération- nel dont le temps de revisite ne peut être inférieur à cinq minutes. Il permet notamment d’effectuer des différenciations temporelle et spatiale de la mesure de phase grâce à la disposition des cibles, à la fréquence d’échantillonnage et aux différentes gammes de dis- tances atteignables. Une intercomparaison avec des capteurs spéci- fiques disposés entre les cibles et mesurant la réfractivité ainsi que les flux de chaleur et de vapeur d’eau sera possible. Cette cam- pagne s’inscrit dans le cadre plus large d’un projet d’étude de la variabilité de l’humidité à l’échelle hectométrique au-dessus de la ville de Paris autour des thématiques de météorologie urbaine. Bibliographie (2012): Links between weather phenomena and characteristics Meteor., 143, 77–95, doi:10.1007/s10546-011-9656-7. réfractivité radar : vers une cartographie de l’humidité en très basse couche de l’atmosphère. La Météorologie, pp.81-89. doi:10.4267/2042/52057. extraction of near-surface index of refraction using radar phase 14:978-987. L'AUTEUR Ruben Hallali est ingénieur à Météo-France, diplômé de l’Ecole nationale de météorologie (ENM, Toulouse). En 2013, il prépare un doctorat au LATMOS (Laboratoire atmosphère milieux et observations spatiales) à Guyancourt (région pari- sienne). Le sujet de cette thèse porte sur la cartographie de l’humidité de couche limite à l’échelle hectométrique par observation radar. Une partie de ce travail est développé dans l’article présenté ici.