Restitution du contenu en glace des nuages à partir de mesures à haute résolution spectrale dans l’infrarouge des instruments satellitaires IASI et IASI-NG
Notice bibliographique
Résumé
Il est maintenant bien établi qu’une des plus grandes incertitudes concernant le bilan radiatif de la Terre provient de la méconnaissance à la fois de la microphysique et de la distribution horizontale et verticale de l’eau condensée des nuages de glace. Si les mesures actives des instruments de l’A-train ont permis une avancée significative en apportant une information sur la dimension verticale de l’eau condensée, leur couverture spatiale s’avère encore trop faible, comparée aux mesures passives, pour être utilisée de manière systématique pour contraindre les modèles climatiques. Outre leur forte contribution à l’amélioration des prévisions météorologiques grâce à l’assimilation des profils atmosphériquestels que la température ou la vapeur d’eau, les sondeurs infrarouges embarqués sur des plateformes en orbite polaire jouent désormais un rôle important dans le suivi de l’évolution de la composition atmosphérique. Cependant, les observations par ciel clair ne représentent qu’une faible proportion des mesures assimilées, la partie restante n’étant que peu utilisée car contaminée par des aérosols et/ou des nuages et donc plus difficile à traiter. L’objectif de ce travail est d’étudier la capacité des mesures à haute résolution spectrale dans l’infrarouge (effectuées par des instruments tels que IASI ou IASI-NG) pour (1) améliorer notre connaissance de la répartition verticale et horizontale de l’eau condensée dans les nuages de glace et (2) ouvrir une porte vers l’assimilation de ces mesures afin demieux contraindre la représentation des nuages de glace dans les modèles de prévision du temps. Une analyse du contenu en information, basée sur le formalisme de Shannon, a permis de déterminer le niveau et la répartition spectrale de l’information sur les propriétés des nuages de glace contenue dans les spectres IASI et IASI-NG. Sur la base de cette analyse, nous avons développé et testé un algorithme qui permet de restituer, à partir d’une approche d’estimation optimale, le contenu en eau glacée intégré ainsi que l’altitude de la couche nuageuse. Nous avons pris en compte le rapport Signal/Bruit de chaque instrument et les incertitudes liées aux paramètres atmosphériques et de surface noninversés. Le modèle direct employé est le modèle de transfert radiatif rapide RTTOV qui a été développé à l’origine pour l’assimilation de données satellitaires dans les modèles de prévision numérique du temps. Nous avons choisi un modèle microphysique pour lescristaux de glace basé sur le modèle d’ensemble de Baran et Labonnote (2007) dans lequel les propriétés optiques de la glace sont paramétrisées en fonction du contenu en glace (exprimé en g=m3) et de la température des nuages. Les résultats de ce travail montrent que les mesures à haute résolution spectrale dans l’infrarouge permettent de restituer avec une bonne précision l’altitude du sommet et le contenu en eau condensée des nuages de glace aussi bien dans le cas mono-couches que multi-couches. Ces mesures apportent également une information partielle sur l’épaisseur géométrique des nuages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».