frendeitrues

Activités liées à l'étude du Cycle de l'eau atmosphérique dans l'équipe SPACE

La composante Cycle de l'Eau de l'équipe SPACE s'intéresse à la caractérisation des trois états de l'eau dans l'atmosphère: la vapeur d'eau, les nuages liquides et glacés et les précipitations liquides et glacées.

Cycle de l'eau

Image d'un cumulonimbus pour illustrer de façon simplifiée le cycle de l'eau atmosphérique au-dessus de l'océan.

Distribution de l’eau atmosphérique (H. Brogniez)

Thèses en cours: E. Hojgard-Olsen

MT L2v3 RHLa vapeur d’eau a des propriétés radiatives exceptionnelles, absorbant le rayonnement du proche infrarouge jusqu’à la micro-onde, et est conduite par de fortes contraintes thermodynamiques, par le biais de lois bien établies de la physique. C’est pourquoi l’importance radiative de l’eau atmosphérique dans le maintien du bilan d’énergie thermique du système terrestre n’est pas contestée : le lien entre la température, la vapeur d’eau et le rayonnement infrarouge crée une rétroaction positive qui réchauffe encore plus le climat mondial par un forçage externe. Des théories plus ou moins complexes ont été développées pour fournir des cadres analytiques permettant de décrire la distribution de l'humidité relative tropicale, mais les interactions entre environnement et nuages ​​sont nombreuses, de même que les processus impliqués dans ces interactions.

Nous utilisons principalement les observations obtenues par satellite de la vapeur d’eau (METEOSAT, Megha-Tropiques) couplés aux observations de la couverture nuageuse (ISCCP, CloudSat& CALIPSO) afin de caractériser les éléments de la variabilité des processus, principalement dans les régions tropicales : évolution diurne, distribution régionale et influence des cellules de circulation, rôle des types nuageux…

 

Nuages (M . Chiriaco, J. Delanoë)

Thèses en cours:  P. Vishwakarma, Post-Doc en cours: C. Listowski, Q. Cazenave

BASTA QL 25m 20181005 000000 120s ThumbLes nuages jouent un rôle essentiel sur le bilan radiatif de la Terre. Ils pouvent, selon les cas, amplifier l'effet de serre ou l'effet parasol. Ces effets vont dépendre fortement de leurs caractéristiques microphysiques et macrophysiques: épaisseur, nature liquide ou glacée, altitude. Il convient donc d'étudier ces propriétés micro- et macrophysiques mais également de les confronter à leur représentation dans les modèles de nuage et de climat.

Les méthodes mises en œuvres pour réaliser ces études sont essentiellement liées à la télédétection actives. L'équipe SPACE, avec l'appui des équipes techniques du LATMOS, conçoit, développe, déploie et exploite des instruments sol (BASTA, RASTA), aéroportés (RASTA, RALI) ou spatiaux (CloudSat, EarthCare, WIVERN/DYCECT).

 

 

Précipitations (S. Bastin, L. Barthès, A. Chazottes, Y. Lemaître, C. Mallet, A. Martini, N. Viltard)

Thèses en cours: S. Derouiche

ROXI L1B v1.1 2018 06 11T034316 2018 06 11T084611 Thumb

Enfin, les précipitations représentent la fin du cycle de l'eau quand celle-ci redescend vers la surface. Elles sont donc affectées par l'essemble des incertitudes qui existent sur la vapeur d'eau et sur les nuages. Comme les nuages, elles présentent un fort caractère d'intermittence spatio-temporelle qui rend leur mesure difficile. L'équipe SPACE s'intéresse aux propriétés macro- et microphysiques des précipitations.

Avec le soutien des équipes techniques du laboratoire, nous concevons, développons, déployons et exploitons des instruments sol (ROXI) ou spatiaux (Megha-Tropiques, WIVERN/DYCECT).

 

 

Modélisation statistique et traitement d'images (L. Barthès, A. Chazottes, E. Huot, C. Mallet)

Thèses en cours: P. Lepetit, Post-Doc (ATER) en cours: D. Dilmi

L’équipe développe des outils originaux d’analyse et de modélisation statistique des données : simulateurs multifractals de la pluie, réseaux de neurones artificiels pour l'inversion des données de télédétection, fusion d’observations par une méthode d’assimilation 4D-var, mesures de dissimilarité itérative multi-échelle entre séries chronologiques de précipitation, méthodes de classification non supervisée d’évènements précipitants, méthodes d'apprentissage profond (deep-learning) pour le traitement d'images radar ou pour la caractérisation de la neige en plaine à partir d'images géolocalisées. L’équipe participe à la formation par la recherche des étudiants du Master TRIED par le biais de projets de recherche et de stages dédiés à l’application de l’IA aux problématiques du cycle de l’eau.

Ref Brute.gif  Ref Clean.gif