Les infrasons océaniques comme traceur de la dynamique de la moyenne atmosphère : évaluation des performances des modèles atmosphériques et assimilation de données pour la prévision numérique du temps

L’objectif de la thèse est de développer des méthodes dévaluation et de correction des modèles de prévision numérique du temps (PNT) dans la moyenne atmosphère (MA, 10–100 km) en utilisant des détections d’infrasons d’origine océanique. À ces altitudes, les modèles de PNT présentent des biais importants. Ces biais sont notamment dus au manque d’observations opérationnelles, en particulier des vents, pour alimenter les systèmes d’assimilation de données dans la stratosphère et au-delà. Les infrasons sont des ondes acoustiques se propageant dans l’atmosphère grâce à l’existence de guides d’onde atmosphériques qui dépendent principalement des gradients de vent et de température. En se propageant, les infrasons intègrent donc une information sur la dynamique de la MA. Les infrasons sont observés au sol sur l’ensemble de la planète par les stations du réseau du Système de Surveillance International mis en place pour assurer la vérification du Traité d’Interdiction Complète des Essai nucléaire. Cette thèse se concentre sur les infrasons émis par la houle océanique, appelés microbaroms, qui dominent la bande de fréquence 0,1–0,6 Hz et fournissent une information continue et étendue sur la dynamique de l’atmosphèrePour évaluer et améliorer les modèles de PNT, nous avons développé une chaîne de traitement permettant de comparer les observations de microbaroms aux simulations de leur arrivée en station. Un algorithme de traitement d’antenne basé sur la maximisation d’une fonction de vraisemblance est adapté pour l’observation multidirectionnelle des microbaroms. Leurs arrivées en station sont simulées à partir d’un modèle de source opérationnel et différentes méthodes de modélisation de leur propagation dans l’atmosphère sont considérées. Afin de permettre une comparaison directe et systématique entre observations et simulations, nous modélisons la réponse d’antenne des stations et introduisons une métrique de transport optimal circulaire. Des simulations de propagation atmosphérique sont réalisées en utilisant les spécifications atmosphériques de différents modèles de PNT, afin d’évaluer leurs performances relatives par comparaison avec les observations. Cette évaluation porte à la fois sur des périodes de plusieurs mois et sur des événements atmosphériques extrêmes, tels que les réchauffements stratosphériques soudains. Au-delà de l’évaluation des performances des modèles de PNT, nous cherchons à corriger leur biais à travers l’implémentation des méthodes d’assimilation de données variationnelle (3D-Var). Afin de résoudre le problème inverse du 3D-Var, l’opérateur d’observation, élément central de la chaîne de traitement des infrasons développée dans cette thèse, est différentié en s’appuyant sur des outils de différentiation automatique et en introduisant un méta-modèle de deep-learning pour la propagation. Nous proposons une première implémentation de l’assimilation des microbaroms en définissant les incertitudes associées aux observations et à la connaissance a priori de l’atmosphère, et en décomposant celle-ci sur une base de fonctions orthogonales empiriques. Des premières expériences synthétiques d’assimilation des microbaroms pour des atmosphères simplifiées sont présentées, mettant en évidence leur impact sur les champs de vent et de température jusqu’à 4000 km autour des stations infrasonores, ainsi que sur les guides d’onde associés. Ces premières expériences d’assimilation de données avec des microbaroms démontrent leur potentiel pour évaluer et contraindre les modèles de PNT, tout en mettant en évidence les verrous à lever. Ces travaux ouvrent des perspectives pour les communautés de la surveillance par infrasons et de prévision numérique du temps. Celles-ci pourraient en effet bénéficier à la fois de diagnostics approfondis sur les modèles en des altitudes usuellement dépourvues de telles contraintes, et, ou, de l’amélioration de ces mêmes modèles à travers l’assimilation des infrasons océaniques.