Apport des observations IASI pour la description des variables nuageuses du modèle AROME dans le cadre de la campagne HyMeX

Les données satellitaires représentent aujourd'hui la vaste majorité des observations assimilées dans les modèles de prévision numérique du temps. Leur exploitation reste cependant sous-optimale, seulement 10% du volume total est assimilé en opérationnel. Environ 80% des données infrarouges étant affectées par les nuages, il est primordial de développer l'assimilation des observations satellitaires dans les zones nuageuses. L'exploitation du sondeur hyperspectral infrarouge IASI a déjà permis une amélioration des prévisions météorologiques grâce à sa précision et son contenu en information jamais inégalés. Son utilisation dans les zones nuageuses reste cependant très complexe à cause de la forte non-linéarité des processus nuageux dans l'infrarouge. Cette thèse propose donc une méthode permettant d'exploiter au mieux les observations nuageuses du sondeur IASI. Un modèle de transfert radiatif avancé utilisant les propriétés microphysiques du nuage a été évalué. Cette méthode présente l'avantage majeur d'utiliser les profils de condensats nuageux produits par les modèles de prévision. Grâce à ce nouveau schéma, les profils de contenus en eau nuageuse ont pu être inversés avec succès à partir des observations IASI et d'un schéma d'assimilation variationnelle uni-dimensionnel (1D-Var). L'impact de ces observations en termes d'analyse et d'évolution des variables nuageuses dans le modèle de prévision a aussi été évalué. Cette étude est une première évaluation du choix des variables de contrôle utilisées lors des inversions. Un modèle simplifié uni-colonne du modèle de prévision AROME a permis de faire évoluer les profils analysés par le 1D-Var sur une période de trois heures. Des résultats prometteurs ont montré la bonne conservation de l'incrément d'analyse pendant plus d'une heure et demie de prévision. La formation des systèmes fortement précipitants étant fortement liée aux contenus en eau nuageuse, ces résultats encourageants laissent entrevoir des retombées majeures pour la prévision des évènements de pluie intense et les applications de prévision numérique à très courte échéance.