Amélioration de la prévision du givrage par eau liquide surfondue

Auteur moral

Université de Toulouse

Auteur moral

Lac, Christine ; Vié, Benoît

Année de publication

2025

Une modélisation réaliste de l'eau liquide surfondue (SLW) dans les modèles atmosphériques est primordiale pour simuler avec précision les nuages, leurs effets sur le cycle de l'eau et le bilan radiatif, ainsi que pour prévoir le risque de givrage, un phénomène d'importance sociétale majeure, aussi bien dans les secteurs du transport que de l'énergie. Une représentation à deux moments des hydrométéores, dans laquelle à la fois leur rapport de mélange et leur concentration sont calculés de façon pronostique, permet d'améliorer significativement la représentation de la SLW (Nygaard et al., 2011). L'objectif de cette thèse est d'évaluer et d'améliorer la modélisation de la SLW dans le schéma microphysique à deux moments LIMA (Vié et al., 2016; Taufour et al., 2024), destiné à devenir opérationnel dans le modèle de prévision numérique du temps de Météo-France AROME (Seity et al., 2011), en remplacement du schéma actuel ICE3 à un moment, dans lequel seul le rapport de mélange est pronostique.Le schéma microphysique LIMA a dans un premier temps été évalué en réalisant des simulations numériques avec le modèle de recherche Meso-NH (Lac et al., 2018) sur les 20 jours de la campagne de mesures aéroportée ICICLE (DiVito et al., 2020) qui a eu lieu en février 2019 dans la région des Grands Lacs d'Amérique du Nord. Les sorties de modèle ont été comparées aux données in situ de la campagne de mesures, ainsi qu'à des observations radar (au sol et aéroporté), de pluviomètres et satellites. Cette évaluation a montré que les quantités de SLW sont sous-estimées par le modèle, en particulier à des températures comprises entre ?15 et ?12 °C. Bien que de la SLW soit simulée à des températures très basses, l'eau liquide est toujours mélangée à des cristaux de glace, du graupel ou de la neige, formant des nuages mixtes. Les nuages entièrement surfondus ne sont pas non plus représentés.Pour améliorer le modèle, deux cas d'étude ont été analysés plus en détail : une situation d'effet de lac et une autre de pluie verglaçante. Dans ces deux cas, la SLW se glace trop rapidement dans le modèle. Une étude de bilans de processus microphysiques a été menée pour déterminer les processus surconsommant la pluie verglaçante. Elle a montré que la SLW était collectée trop rapidement par la neige ou le graupel. Une distribution dimensionnelle des flocons de neige dépendant de la température selon Wurtz et al. (2021), ainsi qu'une nouvelle modification, autorisant la croissance du graupel uniquement pour des diamètres volumiques moyens supérieurs à 125 µm, ont permis de limiter ce processus. Une mise à jour de la nucléation hétérogène selon Phillips et al. (2013) a également permis de retarder la glaciation des nuages. Ces modifications améliorent la modélisation des nuages entièrement surfondus sur toute la campagne ICICLE. Elles ont aussi été évaluées dans AROME à partir des données de la campagne de mesures SENS4ICE, qui s'est tenue en avril 2023 en France et qui inclut des situations moins hivernales qu'ICICLE. Bien que les scores d'AROME basés sur les observations conventionnelles ne soient pas modifiés, la représentation des nuages entièrement surfondus est améliorée.</div>

  Accès à la notice sur le site du portail documentaire de Météo-France

  Liste complète des notices publiques