t5: radiative transfert tool for a-train and earthcare...

T5: Radiative transfert tool for A-train and EarthCA RET5.3 : Effects of mixed phase clouds 3D inhomogeneities on LIDAR/RADAR

observations : application to A-train and EarthCARE space missionsF. Szczap (1), C. Cornet (2) ,O. Jourdan (1), Y. Gour (1) et T. Rosembert (1) ; (1) LaMP , (2) LOA

EECLAT, Besse, janvier 2013

� Contexte scientifique

Empreinte au sol

Alti

tude

SystèmesLIDAR/RADAR

Diffusionsimple (DS)

Diffusionmultiple (DM)

Alti

tude

Log (coefficient de rétrodiffusion)

p (z) : puissance rétrodiffusée .k : constante instrumentale.p0 : puissance émise .A : aire du récepteur .β : coefficient de rétrodiffusionα : extinction

Equation LIDAR (RADAR)

Couche homogèned’hydrométéores

Vrai

Mesuré (si DM)

Mesuré (si DS)

T5.3 : Effects of mixed phase clouds 3D inhomogeneiti es on LIDAR/RADAR observations : application to A-train and EarthCARE space missions

� Objectifs scientifiques


Surface

Précipitations

� Mieux interpréter les données LIDAR (RADAR)

� Phase (liquide et ou solide, précipitations)� Formes, tailles, orientation des cristaux(fonction de phase)� Diagramme d’antenne, divergence LASER� Diffusion multiple (« Streching effects », « Mirrorimages » )� Hétérogénéités « internes » verticales ethorizontales (« Beam filling effects »)� Structures 3D des nuages (trous, bosses,concentrations)

�Comprendre les interactions 3Dnuage/rayonnement

� Codes de transfert radiatif 3D polarisés(3DMCPOL, Cornet et al., 2010)� Code flexibles de générateurs de nuages 3Dréalistes (3DCLOUD)



� Résultats préliminaires : CALIOP/CALIPSO

He

igh

t (k

m)

10-9

10-8

10-7

10-6

10-5

10-4

10-3

4

5

6

7

8

9

10

11

12

Total apparent backscatter (m -1.sr-1)

He

igh

t(k

m)

3D Monte Carlo code

PP Monte Carlo codeHogan code

True bac kscattera)

eff

� Les effets liés à la fluctuation horizontale (aléatoire) d’un cirrus semblent négligeables sur lecoefficient de rétrodiffusion apparent,

� Mais différences entre le simulateur LIDAR de Hogan et notre simulateur LIDAR 3D Monte Carlo !

10-9

10-8

10-7

10-6

10-5

10-4

104

5

6

7

8

9

10

11

12

Total apparent backscat ter (m -1. s r-1)H

eig

ht(

km

)

3D M onte Carlo code

PP Monte Carlo code

Hogan code

True backscat ter

c)

Coefficient de rétrodiffusion apparent (m-1sr-1) pour un cirrus (τ =3)a) Cristaux de glace sphérique (Reff = 10 µm) et c) « rough plate » (Reff = 25 µm)

� Les effets liés à la fluctuation horizontale (aléatoire) d’un cirrus semblent non négligeables sur le coefficientde rétrodiffusion apparent,

� Mais encore trop d’erreur statistique («spikes» ou pics d’énergie) dans notre simulateur LIDAR 3D MonteCarlo !


� Résultats préliminaires : CALIOP/CALIPSO

0 0.5 1 1.54

5

6

7

8

9

10

11

12

Apparent depolarization ratio

He

igh

t (k

m)

3D Monte Carlo codePP Monte Carlo codeTrue depolarization ratio

d)

0 0.5 1 1.54

5

6

7

8

9

10

11

12

He

igh

t (k

m)

3D Monte Carlo codePP Monte Carlo codeTrue depolarization ratiob)


Rapport de dépolarisation apparent pour un cirrus (τ =3)b) Cristaux de glace sphérique (Reff = 10 µm) et d) « rough plate » (Reff = 25 µm)


� Perspectives

� Déterminer l'origine de l'erreur sous le nuage sur le coefficient de rétrodiffusion apparentcalculé par notre simulateur + Inclure la méthode de Buras et Mayer (2010) pour supprimerla présence des pics d'énergie et diminuer le temps de simulation.

� Simuler la divergence du rayon laser avec une incidence oblique de 3°.� Généraliser ces premiers résultats en menant une étude de sensibilité du signal LIDARrétrodiffusé pour différentes fluctuations de cirrus réalistes (3DCLOUD)

� Adapter le code pour un simulateur RADAR + adapter 3DCLOUD pour nuage « phase mixte »

Image MODIS (25 mai 2007)CIRCLE2


Cirrus simulé par 3DCLOUD à partir des données « in situ »

Radiance MODIS

Start : lancement d’1 photon

Initialisation

Détermination de la distance parcourue par le photon

Absorbé ?

Type d’interaction : molécule, aérosol ou nuage ?

Calcul de la nouvelle direction suivie par le photon

“Local estimate method”: calcul de la contribution de la nième diffusion

Interaction ?

Fin ⇒ photon suivant

Sort du milieu ?

Par le haut?

Réflexion sur surface

Sur un côté ? Conditions

aux limites cycliques

ouinon

oui

nonoui

Fin

oui

Finnon = absorption

oui

non

Schéma général du code TR Monte-Carlo

non

non

oui

Caractéristiques de la méthode de MC :

i) générateur de nombre aléatoire uniforme (0,1)ii) utilisation de densités de probabilitéiii) calculs de quantitésm moyennes à partir de plusieurs réalisations indépendantes de ii)

Propriétés optiques, microphysiques et radiatives mesurées ou restituéesParamètres

microphysique/optique

Instruments/plateformes utilisés Pentes spectralesβ

Coefficients d’hétérogénéité

relatifsρ

Moyennes Seuil de détections des

différents appareils

Résolution spatiale

Incertitude

IWC (g.m-3)

(.10-3 pour les moyennes)

CPI -1.33 0.99 4.07 1(auto) 200 m/s × 1Hz 60%CPI+FSSP(1) -1.30 0.85 Avec zéros : 4.68

6.323,65.10-5 200 m/s × 1Hz 96%

CPI+FSSP(2) -1.28 0.94 4.45 1(auto) 200 m/s × 1Hz 96%

CALIOP (1D)(5) - 0.49 8.48 - 5km × 60m 55%

CALIOP (2D)(5) - 0.83 7.48 - 5km × 60m 55%Diamètres effectifs

(µm)2DC -1.24 0.55 36.6 21.6 (auto) 200 m/s × 1Hz 25%

Calculé(3) -0.76 0.81 35.52 5.2 200 m/s × 1Hz 99%

IIR(4) -1.45 0.34 44.29 - 1 × 1 km² 31%MODIS(6) -1.08 0.38 59.86 - 1 × 1 km² 33%

Coefficient d’extinction

(km-1)

NP -1.41 0.65 0.38 5.10-2(auto) 200 m/s × 1Hz 25%

CPI+FSSP(2) -1.16 0.85 0.26 3.10-3(auto) 200 m/s × 1Hz 80%

Epaisseurs optiques IIR(7) -3.43 0.83 0.41 - 1 × 1 km² 7%MODIS(8) -2.27 0.82 1.39 - 1 × 1 km² 12%

Températures de Brillance

(K)IIR

8.65 -3.16 3.37.10-2 273 - 1 × 1 km² 0.5K

10.6 -3.45 3.85.10-2 273 - 1 × 1 km² 0.5K12.05 -3.36 3.61.10-2 270 - 1 × 1 km² 0.5K

Coefficient de rétrodiffusion

atténué (km-1.sr-1)CALIOP(5)

Sommet -1.36 1.07 8,18.10-3 - 5km × 60 m -

Base -1.42 0.63 6,06.10-3 - 5km × 60m -

Altitude de l’avion

-1.42 0.49 1,03.10-2 - 5km× 60 m -

Radiance(W.m-2.s-1. µm-1)

IIR(7) -2.05 0.17 - - 1 × 1 km² -MODIS(8) -1.97 0.28 - - 250 × 250 m² 54%

Profils 2D et 1D verticaux du IWC inversés par Caliop/Calipso (13H26)

Profils verticaux du vent et de la température (ECMWF)

Spectres de puissance et « pente spectrale » estimées

Résolution des équations de N.S.

et de la thermodynamique

Etape1

Profils verticaux moyens du vent

, humidité et température

( ) ( )( ) ( ) ( )zzqzq

zvzu

lv θ,,

,

- C : Couverture fractionnaire nuageuse

( ) ( )( ) ( )

( ) ( )

, ,

300 , , 50

,

x y z

x y z

L 100 km L L 3km : Extension

N N N : Nombre de pixel

x y 300 m z 50 m : Résolution

− ≈ ≈

− ≈ ≈

−∆ = ∆ ≈ ∆ ≈

- Hmin, Hmax : Altitude min/max du nuage

IWC 3Dnon corrigé

AjustementstatistiqueEtape 2

- β1D : Pente « spectrale»- Lout : Echelle « de la correction spectrale »- Nature de la distribution du IWC et du Reff- Moyenne du IWC (et/ou profil vertical ?)- Moyenne du Reff (et/ou profil vertical ?)- ρ IWC : paramètre d’hétérogénéité du IWC- ρReff : paramètre d’hétérogénéité du Reff- K : corrélation entre IWC/LWC et Reff

IWC 3Dcorrigé

+Reff 3D

- Perturbations initiales 3D du vent

3DCloud

-

Entrées Entrées

Entrées

Sorties

Algorithme de 3DCloud

Propriétés statistiques du IWC 3D à l’étape 2 : Méthode 2

Les entrées

- idem

ρ IWC = 1

t5: radiative transfert tool for a-train and earthcare...

Documents