Détection des évènements exceptionnels à partir des observations IASI

Les instruments IASI (Interféromètre Atmosphérique de Sondage dans l'Infrarouge) à bord des satellites Metop-A, -B et -C mesurent le rayonnement infrarouge (IR) émis par le système Terre-atmosphère depuis 2006. Chaque jour plusieurs millions de spectres sont enregistrés par IASI, ce qui constitue un volume important de données. Une des problématiques inhérentes à cette quantité de données réside dans la recherche d’évènements extrêmes. En effet, il est possible d’observer des évènements extrêmes à partir des données chimiques de niveau 2 (L2), c’est-à-dire les concentrations de gaz mais l’inversion n’est généralement possible que pour des conditions de ciel clair. De plus il est difficile de rechercher ces évènements à partir des données L2 et de les caractériser en temps réel. Ce travail de thèse répond à la nécessité de mettre en place un algorithme de détection innovant et opérationnel afin de traiter directement les spectres de radiances (données de niveau 1 – L1C). Une méthode optimisée pour la détection d’évènements extrêmes a été développée à partir de la méthode d’analyse en composantes principales (ACP ou en anglais PCA pour principal component analysis) sur les luminances IASI qui permet à la fois la compression des données mais aussi la réduction du bruit instrumental. Cette méthode repose sur la création d’une base d’apprentissage représentative de la variabilité atmosphérique permettant alors de conserver toute l’information lors de la compression/reconstruction des luminances IASI. Les évènements extrêmes sortant de la variabilité atmosphérique normale sont caractérisés par une mauvaise reconstruction. En prenant en compte les valeurs extrêmes issues de la mauvaise reconstruction des spectres IASI on peut alors étudier le signal atmosphérique anormal. Les données IASI L1C étant disponibles toutes les 3 minutes sous forme de granule, il est naturel d’appliquer la méthode directement sur les granules IASI pour permettre une détection en temps réel. De plus, la caractérisation des espèces traces absorbantes est réalisée à partir de différentes combinaisons de raies intenses ou de bandes d’absorption (appelés « indicateurs » spectraux) qui ont été définies à partir de simulations de transfert radiatif et de bases de données spectroscopiques. Cette méthode de détection, appelée IASI-PCA-GE (GE pour granule extrema), permet alors de détecter en quasi temps réel les anomalies atmosphériques associées à des évènements extrêmes comme les feux, éruptions volcaniques ou les épisodes de pollution anthropique. Une première partie de ce travail de thèse a consisté à analyser différents événements extrêmes passés et documentés pendant la période IASI. Ensuite la méthode IASI-PCA-GE a été appliquée aux données IASI pour des plusieurs cas d’étude, et les résultats ont été comparés avec les données L2 existants. Par ailleurs, une archive d’événements extrêmes d’éruptions volcaniques et d’épisodes de feux a été générée à partir des résultats de cette méthode qui a été appliquée à la série temporelle IASI-B complète (2013-2022). La méthode est capable de détecter la présence de nombreuses molécules et la comparaison avec les données L2 montre un bon accord entre les deux jeux de données. Cependant certaines limitations subsistent et sont discutées. La méthode développée pendant cette thèse pourra par ailleurs être appliquée à des futures missions, telles que la mission IASI-NG/Metop-SG et la mission géostationnaire MTG-IRS dont les lancements sont prévus en 2024.